深度分析
AdaHome：以小語言模型實現地端智慧家庭助手，兼顧效率與隱私
智慧家庭助手常依賴大型語言模型與雲端部署，帶來延遲與隱私疑慮。AdaHome 針對在地端小語言模型設計，引入意圖感知規劃框架，依指令類型動態選擇輕量推理或直接執行，並以思路草稿策略提升決策效率。實驗顯示，直接指令準確率達 86.7%，延遲降低最多 3 倍，多輪偏好一致性達 88%，證明小模型也能實現高效個人化控制。
智慧家庭
速報
SmartHomeSecure：結合程式分析與受限生成式 AI 的智慧家庭設定自動修復系統
智慧家庭設定檔常因 YAML 語法或語意錯誤導致自動化失效。研究提出 SmartHomeSecure，先用程式分析偵測錯誤，再以受限提示引導大型語言模型完成最小化修復。實驗顯示三種模型皆能 100% 偵測錯誤，修復成功率最高達 93%。此方法證明結合領域分析與受限 AI 能提升設定可靠性。
深度分析
HomeFlow：結合 HomeEnv 模擬與 MCTS‑Flow 產生可驗證智慧家庭代理人訓練資料
隨著大型語言模型逐步進入實體控制，智慧家庭成為測試場域。研究提出 HomeFlow 以 HomeEnv 模擬環境結合 Blueprint 與 MCTS‑Flow 產生可驗證的多輪對話，並以步進式 RLVE 進行優化。實驗顯示模型成功率超過八成，領先現有商業模型。
深度分析
HearthNet：邊緣多代理協調平台實現智慧家庭語音控制
隨著使用者期待以自然語言控制智慧家庭，現有方案易因裝置失效而中斷。研究提出 HearthNet，於家庭中樞部署角色專精 LLM 代理，透過 MQTT、Git 共享狀態與授權租約協調裝置。系統實證顯示可解決語意模糊、衝突追蹤與未授權指令問題，提升本地化可靠性。