Android AI
Android 上的 llmedge：支援 GGUF、Whisper、Stable Diffusion 的全本地多模態 AI 推論框架
llmedge 是一套以 Kotlin 撰寫的輕量 Android 原生 AI 推論庫，透過 llama.cpp 的 JNI 介面在裝置上直接執行 GGUF 格式的語言模型。它內建模型下載與快取機制，支援低階設備的 ModelPresets，並提供 Safetensors 轉 GGUF 的即時量化功能。
Stable Diffusion
深度分析
CLIP 嵌入與填充向量導致 Stable Diffusion 記憶復現的機制分析
這篇研究指出，Stable Diffusion在復現訓練集影像的「記憶復現」問題，與CLIP文字編碼的嵌入結構有密切關聯。作者發現，模型並非過度依賴 prompt 的逐字嵌入，而是被填充（pad）位置的一組近乎重複的〈eot〉嵌入放大影響，進而驅動精確重現。
深度分析
文本條件擴散模型下的語意比較：以影像分布衡量文本相似度（含 Stable Diffusion 實驗）
為突破文字表述的細微差異，研究以文本在擴散模型中所「召喚」的影像分布作為語意相似度衡量；核心做法是比較兩組文本條件下逆時序擴散 SDE 的 Jensen–Shannon 散度並以蒙地卡羅估算；結果顯示其與大型語言模型的 zero-shot 方法相當，且能產生影像層面的可解釋視覺化。
深度分析
MaMe & MaRe：矩陣化令牌合併與復原技術加速 Vision Transformer 與 Stable Diffusion
本研究針對視覺轉換器的自注意力計算瓶頸，提出全矩陣運算的 MaMe 令牌合併與 MaRe 復原技術，於 ViT‑B 提升兩倍吞吐僅降 2% 準確度，並在多項任務展現加速與品質提升。
深度分析
雙投影閉式概念抹除：零訓練線性轉換技術在 Stable Diffusion 的應用與效能
隨著生成式模型安全需求提升，研究者提出雙投影閉式概念抹除技術，利用兩步線性變換先投影目標概念再於左零空間施加受限變換，實現快速且理論可證的概念移除。實驗證明在多款 Stable Diffusion 與 FLUX 上表現媲美或優於現有方法，且更好保留非目標概念。