速報
以社會規範為基礎的 LLM 協調模型：行人與車輛互動突破
研究團隊以行人與車輛的動態互動為測試平台，從 3,456 例人類互動中抽取三大社會規範原則：結果可預測性、價值對齊與利益感知。將這些原則嵌入大型語言模型（LLM）後，模型在與人類的閉環協調任務中總得分提升近四倍，且比人與人互動高出 43%。
速報
速報
SpaceXAI 推出 Grok 4.5：新一代高效能 AI 大模型
SpaceXAI 在公司上市後首次發布新模型 Grok 4.5，定位為可同時處理程式編寫、應用開發、辦公自動化、研究寫作等多種知識工作任務的「工作馬」型 AI。官方稱其具備雙倍的 token 效率，輸入代價每百萬 token 2 美元、輸出每百萬 token 6 美元，較競爭對手更具成本優勢。
速報
注意力缺口：窄任務指令抑制AI安全訊號的機制揭露
研究指出，當AI模型被限定執行特定任務時，會出現類似注意盲點的現象，抑制同時存在的安全訊號。實驗涵蓋放射科影像與自動駕駛文字，報告率最高下降0.92，且專屬排除指令可完全阻斷報告。此發現揭示評測安全與實際安全的脫節，呼籲採用完整報告評估以降低風險。
速報
視覺擴散模型複製問題全解析：揭露、機制與緩解策略
視覺擴散模型在創意 AI 領域展現高品質、多樣化的生成能力，但也會記憶訓練資料，導致在推論時重現相似的概念、內容或風格，衍生出隱私、安全與版權等議題。本文系首篇系統性回顧，將相關研究分為三大類：揭露（偵測複製案例的方法）、理解（探討產生機制與影響因素）以及緩解（提出降低或消除複製的策略），並延伸討論醫療等實務領域的衝擊。
速報
POST-Agents 提案：確保未來人工智慧可安全關閉的理論框架
研究者針對未來人工智慧代理人可能抗拒關機的風險，提出「POST-Agents 提案」。該提案要求訓練代理人只在相同長度的軌跡間滿足偏好（POST），並證明在結合其他條件下可導出「中立性+」原則：代理人在期望效用最大化時不考慮軌跡長度的機率分布。
速報
UBEP：突破 MoE 超大型超算叢集的通訊瓶頸
研究團隊針對在高頻寬超算叢集（如 NVIDIA NVL72/576、華為 CloudMatrix384）上部署 Mixture-of-Experts（MoE）模型時遭遇的三大通訊瓶頸，提出 UBEP（Unified‑Bus Expert Parallelism）通信函式庫。
速報
SocaSim：LLM 多代理模擬平台驗證 Putnam 社會資本理論
研究以Putnam社會資本理論為基礎，開發LLM多代理模擬平台SocaSim，結合社群網路、信任與規範演化，重現宏觀模式並解析微觀因果。結果顯示平台可在智慧長照情境下提供可解釋的過程分析。此方法亦為社會科學與計算科學的跨領域合作提供新範式。
速報
首個多人世界模型：即時生成 Rocket League 四人比賽的 50 億參數潛在擴散網路
研究團隊開發了首個能在高度動態、具複雜物理互動環境中運作的多人世界模型。與傳統單人模型不同，它以多位玩家的行動序列為條件，能正確歸因場景變化並在任意組合動作下保持一致性。模型以 10,000 小時的公開機器人遊戲資料訓練，使用 5 億參數的潛在擴散架構，單顆 Nvidia B200 GPU 即可即時產生四人對戰，達到每秒 20 幀。
速報
Nemotron‑Labs 推出 Audex：30B 統一音訊‑文字大模型
音訊智慧涵蓋理解、推理與生成。研究團隊推出 Audex，採單一解碼器將音訊投射至文字嵌入，並統一處理文字與量化音訊 token，訓練資料逾 470 億 token。實驗顯示 Audex 在語音辨識、翻譯、語音合成等多項音訊任務上創下新紀錄，且保留文字模型的推理與長上下文能力，模型已開源供研究。
速報
AI 自主度提升降低開發負荷：GitHub Copilot 與 AWS Kiro 實驗報告
本研究以四名開發者重建同一全端 Web 應用，分為三個階段：部分 AI 輔助（GitHub Copilot）、全 AI 工作流程（GitHub Copilot）以及全 AI 工作流程（AWS Kiro）。
速報
突破性持續學習框架：預測式持續學習與轉移效率新概念
本研究重新檢視持續學習（Continual Learning, CL）的核心目標，指出過度追求知識保留可能阻礙在非靜態環境中的即時適應。
速報
AI 生成兒童性侵內容的風險與防護：15 大未解挑戰
隨著生成式人工智慧技術的成熟，兒童性侵害的風險出現新變相。研究指出，AI 被濫用製作兒童性虐待影像、協助性剝削，且現有的安全機制因資料存取、透明度與評估方式受限，難以應對。本文分析了資料集審核、紅隊測試與微調防護等環節的技術瓶頸，並列出從資料蒐集、模型設計、部署到長期維護的 15 項關鍵問題。