MAT-Cell
MAT-Cell：利用多代理人樹狀推理與神經符號 AI 突破單細胞標註瓶頸
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。
RAG
Legal AI
SearchFireSafety 基準測試揭露 Legal AI 的法規結構盲區：從 RAG 到圖導向檢索
法律 AI 過去過度依賴判例法，卻忽略了法規本身的階層結構。新研究推出 SearchFireSafety 基準測試，分析模型在消防法規問答中的表現，發現圖導向檢索雖能提升準確度，但領域適配模型在資訊不足時更容易產生幻覺，揭示了法律 AI 在結構化檢索與安全性之間的權衡。
ATANT Framework
ATANT 框架推出：定義 AI 持續性與長期記憶驗證標準
研究人員推出 ATANT 評估框架，旨在量化 AI 系統的「持續性」與長期記憶能力。該框架透過 250 個故事與 1,835 個驗證問題，定義了 AI 持續性的 7 個核心屬性，並解決了 RAG 與向量資料庫在處理大量共存敘事時的記憶污染問題，為 AI 記憶力測試提供新標準。