深度分析
多模型編排的共失率上限與實務成本評估
研究分析67種前沿模型，發現多模型編排的「共失率上限」遠高於以配對錯誤相關性預估的2.25倍，導致路由與投票效益不彰。作者建議企業先以Clopper‑Pearson公式計算零成本的失敗上限，再決定是否投入複雜編排。此發現提醒企業，僅靠模型多樣化難以提升可靠性，必須聚焦於單一最佳模型或加強驗證機制。
模型路由
深度分析
Learn‑LikeCC：結合 Claude Code 原始碼與模型路由的完整開源學習平台
Learn‑LikeCC是一個以ClaudeCode原始碼為教材的開放式學習平台，提供TypeScript結構解析、可執行復刻CLI與模型路由實驗。透過三大仿真工具展示AgentLoop、腳本與Prompt追蹤流程，協助開發者快速掌握AI Agent架構。此專案促進社群對大型語言模型工具化的研究與應用。
深度分析
SecureRouter：MPC 下的密文模型路由與成本感知推理框架
SecureRouter 提出一套端到端加密路由與推論框架，針對使用多方安全計算（MPC）進行隱私保護的 Transformer 推論場景，解決既有單一固定模型導致的效能瓶頸。系統在訓練期共同優化「MPC 成本敏感的路由器」與「MPC 優化的模型池」，路由器可在密文特徵上估算每個候選模型的效用與執行成本，路由器可在密文特徵上估算每個候選模型的效用與執行成本，並透過盲取機制自適應地選取最適模型，在維持隱私的前提下顯著降低加密推論的延遲與計算開銷。