深度分析
數位孿生結合 LLM：短影音平台政策模擬與評估新框架
短影音平台因政策、創作者與用戶互動形成閉環，評估新政策困難。研究提出以大型語言模型增強的四模組數位孿生，模擬平台內部回饋與人為適應。實驗顯示此框架可在保留閉環動態下，安全測試 AI 驅動政策，提升決策可靠性。此技術有望縮短政策迭代週期，並降低實驗風險。
代理模型
LyMPuS
LyMPuS：低成本遞迴連結發現的單調完美代理模型
研究背景：傳統代理模型多為線性近似，難以處理非線性問題。核心技術：LyMPuS 以低成本遞迴連結發現，保證在2⌈log₂(n)⌉步內找出缺失依賴，且無需預先建模。結果與影響：可即時比較單變數差異解，降低局部搜尋成本，提升優化效率。
深度分析
代理模型提升 LLM 可解釋性：高忠實度與低成本的操作框架
研究指出大型語言模型解釋成本高，作者提出以高效代理模型近似決策邊界，透過篩選驗證局部對齊，僅用11%成本達90%相似度，證明可用於提示壓縮與毒樣本移除，提升模型優化效率。此方法在多項基準測試中均表現出穩定的高忠實度，為實務上大規模部署解釋工具提供可行路徑。此技術亦可延伸至其他生成式模型的可解釋性研究。