深度分析
J-space 與 Jacobian Lens：量化模型安全評估的內部辨識機制分析
研究針對量化語言模型的安全性，提出J‑space內部表示測量方法，透過JacobianLens在回應決策點讀取危險訊號，並以SafetyAUC、ComplianceAUC等指標比較FP、INT8、INT4量化層級。結果顯示部分模型安全辨識仍堅固，合規性提升可能增加危險指令違規回應，對未來模型部署與量化策略具重要啟示。
安全評估
深度分析
從 AI Skillstore 到四大平台：軟體工程技能的分布、評估與安全機制
AI代理技能市場快速成長，將軟體工程活動封裝為可重用技能。研究收集11,497件技能，發現開發類占比最高，評估機制多聚焦安全與實用性，且不同平台分類差異明顯。此趨勢預示未來開發者將更依賴技能生態，影響AI產業與軟體開發流程。同時，安全審查與版本管理仍是挑戰。
深度分析
大型語言模型在心理健康應用的五軸安全評估框架解析
隨著大型語言模型被廣泛部署為心理健康輔助工具，僅16%相關聊天機器人接受臨床效能測試；研究以250筆延長暴露治療與146筆認知行為重組情境評估模型，發現表層回應雖接近完美，協議遵循度在高嚴重度下僅0.22‑0.33，安全干預分數亦大幅下降。結果顯示現行安全對齊會削弱治療，呼籲以五軸框架評估方可上線。