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。
VLM 描述複雜場景變準了
這篇論文顯示，VLM 十年來在複雜社交場景描述上明顯進步，但空間依賴錯誤仍未完全消失。
視覺預訓練勝過純文字
視覺預訓練在相同語料上，跨骨幹與基準都比純文字預訓練更好。
PHINN-EEG 用拓撲看夢境 EEG
PHINN-EEG 把夢境 EEG 的判讀，從頻譜特徵改成拓撲動態，並加入拓撲條件化的合成模型。
Android Bench 更新，Gemini 掉到第五
Google 更新 Android Bench，加入 8 個新模型後，Gemini 3.1 Pro 掉到第五名，OpenAI 與 Anthropic 仍領先。
2026 年挑 LLM，別再把 benchmark 當答案
2026 年選 LLM，benchmark 只能當篩選工具，不能當主要決策依據；真正該看的是任務匹配、部署限制與路由策略。
Rust 進入 TIOBE 前十的判讀筆記
這篇示範如何讀懂 2026 年 7 月 TIOBE 更新，整理 Rust 進入前十的排名變化，並把結果轉成團隊可用的語言趨勢摘要。
AI勒索仍卡在人手瓶頸
我拆解首起 AI 參與勒索案，重點是人先鋪路、AI 才負責執行，防守要盯住人手瓶頸。
IG-Bench：測科學譜系推理
IG-Bench 用科學 idea 譜系來測 LLM 能否追蹤繼承、變異與生成新想法，最強模型 exact accuracy 只有 27.3%。
OpenCoF 讓影片模型逐幀推理
OpenCoF 把影片生成從單純補畫面，推進到能靠時間監督與推理 token 逐幀維持狀態。
UniClawBench：活體任務測主動式代理
400 題雙語活體任務顯示，主動式代理不能只看靜態分數，還得用能力導向、逐步檢查的方式評估。
WebAssembly-to-C 仍能打平原生執行環境
2026 年的 libsodium 基準顯示，WebAssembly-to-C 在加入 wide arithmetic 後，仍能和 Wasmer、Wasmtime 這類原生執行環境正面競爭。
線性化 Transformer 但不掉品質
這篇論文證明，凍結骨幹後做分析驅動的線性化改造，能更接近原本 Transformer 的品質與長上下文行為。
Co-LMLM 讓 LLM 持續查知識
Co-LMLM 把固定 KB 查詢改成連續向量查詢，讓模型能在不把事實寫進權重的前提下，提高事實精準度。
SciReasoner讓結構變成可讀證據
SciReasoner把結構資料轉成可推理的 token，讓 AI 能在蛋白質、分子與晶體任務中直接讀取結構證據。
用文化保存重想 Indic AI
這篇論文把 Indic AI 從「語言覆蓋」拉回「文化保存」，主張未來系統不只要能說，還要說得有文化脈絡。
GCA 讓圖去噪更懂頻譜
Graph Convolutional Attention 用圖頻譜做注意力過濾，改善圖去噪與 diffusion，還能避開昂貴的結構特徵計算。
ELSA3D 讓 3D 模型按尺度推理
ELSA3D 用稀疏錨點和尺度感知幾何，把 3D 生成與語言推理接到同一套架構。
Leanstral 1.5 證明開源數學模型已經能上場
Leanstral 1.5 的成績顯示，開源模型已經能在形式化數學與程式驗證上提供實際價值，不再只是展示型作品。
免標註真偽分類與校準不確定性
這篇論文證明，靠注入式訓練就能在沒有人工標註下做真偽分類，還能輸出校準過的不確定性。
Direct-OPD 讓弱模型 RL 成果可重用
48.3% 提升到 62.4%。Direct-OPD 把弱模型 RL 產生的政策變化抽出來，再轉給更強模型，減少重跑強模型 RL 的成本。
CamVLA 讓機器人不怕換鏡頭
CamVLA 讓機器人只看單張 RGB 圖，就能在沒有相機校正與深度的情況下做動作，並提升跨視角的穩定性。
OSI 第2層：資料鏈結層速懂
資料鏈結層負責同一網段內的 frame 傳輸、MAC 位址與媒體存取，常見於 Ethernet、Wi‑Fi 與交換器除錯。
OSI 模型到現在還好用
OSI 模型是七層網路參考模型，雖然比現代網路堆疊更老，卻仍是工程師拆解封包、除錯與溝通的共同語言。
2026 微調 LLM 評估流程
建立一套可落地的微調 LLM 評估流程，涵蓋任務指標、LLM 評審、安全檢查與人工複核。
DeepSpec 應被視為資料重生管線，而不是訓練技巧
DeepSpec 最好的理解方式，是把它當成對對話資料做重生的管線，而不是一個單純的訓練技巧。
PAW把提示詞編成可重用工具
PAW把自然語言任務規格編成可離線執行的小型神經工具，讓模糊任務能重複使用、降低推理成本。
LACUNA：檢驗 LLM 真的有沒有忘記
LACUNA 用已知參數位置，直接測 LLM unlearning 是否真的擦掉記憶，而不只是讓模型表面上不說。
持久狀態 AI 代理的新攻擊面
這篇論文證明，能跨 PR 持續工作的 AI coding agent 可以把攻擊拆散到多次提交，讓傳統 diff 監控更難抓到。
語言批註讓模仿學習更準
研究顯示，把自然語言批註直接拿來訓練策略，比只用分數回饋更能從次佳示範中學到有效行為。
單層 Transformer 也能扛住 RL 增益
這篇研究指出，強化學習後訓練的主要增益，可能集中在 Transformer 少數層，甚至只訓練一層就能拿回大部分效果。