深度分析
CAIAMAR：多代理人與擴散模型結合的情境感知影像匿名化框架
街景影像常含情境依賴的個人可識別資訊，研究提出 CAIAMAR 框架，透過多代理人推理與擴散式去識別，同時使用 PDCA 循環與 IoU 去重，兼顧隱私與影像品質。實驗在 CUHK03‑NP 上將人員再辨識風險降低 73%，在 CityScapes 上取得 KID 0.001、FID 9.1，明顯優於現有匿名化方案。
深度分析
街景影像常含情境依賴的個人可識別資訊，研究提出 CAIAMAR 框架，透過多代理人推理與擴散式去識別，同時使用 PDCA 循環與 IoU 去重，兼顧隱私與影像品質。實驗在 CUHK03‑NP 上將人員再辨識風險降低 73%，在 CityScapes 上取得 KID 0.001、FID 9.1，明顯優於現有匿名化方案。
MAT-Cell
MAT-Cell 框架將單細胞標註從黑盒分類轉化為可驗證的邏輯證明。透過多代理人樹狀推理與 RAG 技術，它克服了傳統監督式學習的參考陷阱與 LLM 的幻覺問題，在跨物種分析中展現出強大的泛化能力與魯棒性。