技術研究
AI 研究論文、突破性進展與技術深度分析。從學術發表到影響 AI 未來的實驗室研究成果。
LLMbda 演算替 AI 代理人立安全規則
這篇論文用形式化演算描述 LLM 代理人的對話與資訊流，目標是把隔離、保密與完整性變成可證明的安全規則。
更簡單的毫米波波束域去噪器
這篇論文提出一個低複雜度的毫米波 massive MIMO 波束域去噪方法，結合低解析度 ADC 雜訊模型與硬體友善設計，目標是讓演算法更適合 FPGA 落地。
為什麼 AI 基準賽在資安領域的勝利，應該讓防守方警醒
AI 資安基準的進展已顯示自主攻擊能力正在追上防守方的規劃速度，這不是實驗室新聞，而是防線時間被壓縮的警訊。
為什麼 Linux 安全需要「補丁浪潮」思維
Linux 安全已進入補丁浪潮時代，團隊必須把快速修補當成預設，而不是例外。
LLM 評審也會不穩
這篇論文做了一個壓力測試工具，檢查 LLM 當評審時，會不會因為格式、改寫、篇幅或標籤翻轉而判斷不一致。
黑箱 LLM 排程更聰明了
這篇論文用「預測輸出長度」來改善黑箱 LLM 推論排程，想在看不到模型內部的情況下，減少排隊摩擦、提升大規模服務效率。
AISafetyBenchExplorer：AI 安全基準地圖
AISafetyBenchExplorer 把 195 個 AI 安全 benchmark 做成可查的目錄，重點不是比誰分數高，而是揭露測量碎片化與治理薄弱的問題。
Ollama 漏洞可遠端洩漏記憶體
Ollama 出現 CVE-2026-7482，遠端攻擊者可透過惡意 GGUF 檔讀出程序記憶體，可能外洩金鑰、提示詞與使用者資料。
為什麼程式碼基準測試終於開始說實話
BenchLM 的程式碼排行榜顯示，真正有用的訊號只剩 LiveCodeBench 與 SWE-bench Pro；HumanEval 已經不適合拿來選模型。
Pion 用正交變換鎖住權重譜
Pion 是一種新的 LLM 優化器，改用左右正交變換更新權重，盡量保留奇異值不變。這篇論文主打的是訓練時維持矩陣譜結構，而不是只追求一般的加法式梯度更新。
LongMemEval-V2：測 agent 長期記憶
LongMemEval-V2 用 451 題測試 agent 能否記住 Web 環境經驗，而不只是使用者歷史；結果顯示以 coding agent 蒐證的記憶法準確率最高，但延遲也更高。
AlphaGRPO 讓多模態模型學會自我修正
AlphaGRPO 把可驗證、可拆解的獎勵訊號加進多模態模型訓練，讓模型能推理、修正輸出，並在不靠 cold-start 的情況下提升生成表現。
為什麼 LLM agents 正在變成真正的漏洞獵手
LLM agents 已經不只是寫程式工具，它們開始能在真實系統中找出有價值的漏洞，而且這件事正在改變資安研究的分工方式。
為什麼 GPT-5.5 應該成為 2026 年的預設寫碼 LLM
GPT-5.5 應該成為 2026 年的預設寫碼 LLM，因為它在公開基準的綜合表現領先，最適合作為團隊的能力上限。
自動化 LLM Agent 的記憶怎麼設計
這篇綜述整理自主 LLM agent 的記憶怎麼設計、怎麼評估、怎麼用，重點放在機制選擇與仍未解決的問題。
政策不變性檢驗 LLM 安全判官
這篇論文主張，LLM 安全判官不能只看準確率，還要測政策不變性，才能檢查它是否真的懂規則、而不是被措辭帶著走。
SAGA 讓 AI Agent 排程看懂工作流
SAGA 主張 GPU 排程不該把 AI agent 的每次 LLM 呼叫拆開看，而是要把一連串請求當成同一個工作流來排。
PARNESS：把自動化研究做成可續跑流程
PARNESS 把自動化科學研究做成可變流程、全文索引與跨次執行記憶的 harness，重點是讓研究代理不再只跑一次就結束。
AI 代理能幫忙做 LLM 服務嗎
VibeServe 在問一個很實際的問題：AI 代理能不能幫忙打造客製化的 LLM serving 系統。可惜目前提供的摘要筆記沒有公開 benchmark 細節。
為什麼 Agentic RAG 比 Static RAG 更適合真實工作
Agentic RAG 在複雜、多步驟查詢上明顯優於 static RAG，但代價是更高成本與更嚴格的控制需求。
CPR 讓 KGQA 更可控
CPR 把 conformal calibration 放到 KGQA 的推理路徑層級，目標是讓答案集合更小、覆蓋率更穩定，提升可部署性。
NTM 讓 4 步生成保留精確似然
NTM 把少步生成改寫成精確似然的 flow 模型，主打四步就能產生不錯的文字生成影像結果，同時保留可訓練、可分析的機率式框架。
AutoTTS讓LLM自己找推理策略
AutoTTS把 test-time scaling 變成環境搜尋問題，讓 LLM 在推理時自動找出更省算力的策略，而不是靠人手調 heuristics。
Microsoft GoalCover 找出微調缺口
Microsoft Research 的 GoalCover 會在微調前找出資料缺口，並在 Qwen-3-14B 的金融摘要任務上提升 reward 分數。
BAMI 不重訓也能修 GUI 定位偏差
BAMI 用推論階段的調整，降低 GUI grounding 在高解析與複雜介面中的精準度偏差與歧義偏差，主打不重訓也能提升定位準確率。
UniPool：共享 MoE 專家池
UniPool 把 MoE 的分層專家改成全域共享池，減少重複參數，並在五個 LLaMA 規模模型上改善驗證損失。
ActCam 讓鏡頭和動作一起控
ActCam 用零樣本方式，同時控制影片生成中的角色動作與攝影機路徑，重點是不必重新訓練新模型。
為什麼 Solana 開發者招募不該再把技能當成靜態清單
Solana 開發者招募應把技能視為會移動的目標，而不是固定的檢查表。
Grok 幫忙找出五個不等式
這篇短篇數學筆記寫的是 Grok 參與發現五個新不等式，之後再由作者親自驗證；重點不在工具本身，而在 AI 輔助探索能不能幫研究者更快找到可證明的結果。
LLM 學到文法了嗎？
這篇研究用線性 probe 讀取語言模型隱藏層，發現模型對「文法正確性」有獨立於字串機率的訊號，但在語意合理性上仍不如 likelihood。