深度分析

版本化延遲物化降低推薦系統長序列訓練的 I/O 與儲存瓶頸

隨著深度學習推薦模型追求更長的使用者互動歷史，傳統「FatRow」預先物化方式造成資料冗餘與I/O瓶頸。研究提出版本化延遲物化，將UIH正規化儲存，於訓練時即時重建序列以保證O2O一致性並防止未來洩漏。實驗顯示在多租戶環境下可減少超過四成寫入流量，提升訓練效能，支援序列長度突破十萬事件。

深度分析

GEASS：無需額外訓練的標題引導模組，降低視覺語言模型幻覺

隨著視覺語言模型在問答與推理上表現優異，卻常因物件幻覺削弱可信度。研究提出GEASS作為訓練免費的調節模組，根據答案信心、資訊增益與路徑分歧三項指標，動態決定自產標題的影響程度。實驗在POPE與HallusionBench以及四種模型上顯示，可提升約5%正確率，僅增加兩次前向運算。

Domain‑Collection‑Document (DCD) 於 RAG 系統的層級檢索與生成效能分析

隨著知識庫規模與查詢複雜度提升，傳統檢索增強生成（RAG）常因平面表示與缺乏工作流程而效能下降。研究提出 DCD（Domain‑Collection‑Document）層級架構，透過分域與分集合限制檢索範圍。實驗顯示在多步查詢與異質語料下，DCD 在上下文召回與事實正確率上優於一般 RAG。

「FENCE」金融多模態越獄偵測資料集首次發布：提升視覺語言模型安全性

隨著視覺語言模型在金融領域的應用增加，越獄攻擊風險亦隨之擴大。研究推出雙語多模態資料集 FENCE，聚焦影像嵌入的威脅，並以金融場景驗證模型弱點。測試顯示即使是 GPT‑4o 等高安全模型亦有數百分比的攻擊成功率，凸顯防護需求。此外，FENCE 在模型測試中保持高準確率，證明其可作為金融 AI 安全的評估工具。

Ex-Omni 框架：利用離散語音單元與 TQGF 機制同步產出 3D 臉部動畫與語音

研究聚焦於全域式大型語言模型結合語音與3D臉部動畫的同步生成，提出Ex‑Omni框架以離散語音單元作為時間骨架並採用Token‑as‑Query門控融合，降低語意與動作的對應難度。實驗顯示在多項測試中Ex‑Omni的動畫誤差優於現有開源模型，為未來虛擬角色與數位分身的自然互動奠定基礎。

AI 代理安全升級：NanoClaw 透過 JFrog 註冊表防止惡意程式碼注入

NanoClaw與JFrog合作推出安全整合，將自動化AI代理的套件下載路徑硬連至JFrog認證註冊表，阻止惡意程式碼。此機制在偵測到受污染的套件時返回403安全政策錯誤，並自動導向安全版本。此舉為開源社群與企業提供即時防護，降低供應鏈攻擊風險。

PixelRAG 透過視覺檢索取代文字解析：架構、訓練與實驗成果

研究指出傳統文字解析在企業RAG中損失關鍵訊號，PixelRAG直接以螢幕擷取圖像作檢索，提升準確度最高18%。此法亦大幅降低代幣成本。研究團隊來自加州大學柏克萊、普林斯頓與EPFL，測試30億截圖覆蓋全維基，六項基準皆優於文字RAG。顯示視覺檢索的潛力。

HELVAE：利用 Hellinger 聚合提升多模態變分自編碼器效能

研究重新檢視多模態變分自編碼器的推論方式，提出以α=0.5的Hellinger聚合取代傳統PoE、MoE，形成HELVAE。實驗顯示在PolyMNIST、CUB與CelebA上，模型在生成品質與語意一致性間取得更佳平衡，且不需子抽樣，提升多模態學習的效率與可擴展性。

CuMA：以人口感知路由的適配器混合提升大型語言模型多文化對齊效能

隨著大型語言模型服務全球，用戶價值多元化導致傳統密集模型出現均值崩潰。研究提出CuMA，透過人口感知路由將輸入導向專屬適配器，形成潛在文化拓撲。實驗顯示在WorldValuesBench等基準上，CuMA的準確率提升超過5%，有效保留文化多樣性。此技術有望推動個人化AI服務，同時引發隱私與偏見爭議。

Proto-LeakNet：結合訊號洩漏與時間注意力的生成式人臉影像來源辨識框架

隨著生成式模型日益逼真，辨識來源成關鍵挑戰。Proto‑LeakNet透過擷取擴散模型潛在空間的訊號洩漏，結合時間注意力與原型頭，實現閉集分類與開集密度評估。實驗顯示其在後處理下仍維持高達98%的MacroAUC，提升了對未知生成器的可解釋追蹤能力。

生成式 AI 內容多樣性：對稱 n 人博弈模型揭示競爭驅動的同質化緩解

近期研究發現，使用生成式人工智慧工具會使產出內容趨於同質。本文以對稱 n 人博弈模型探討在競爭環境下內容同質化的後效應，證明競爭強度提升可減少同質化，且單獨表現優異的模型在多方競爭時可能失效。作者以語言模型玩文字遊戲 Scattergories 進行驗證，並從算法單一文化、負外部性與公平性等角度，提出四項實務應用與未來產業影響的洞見。

主動推論中的期望自由能與雙重熵校正：變分自由能拆解與訊息傳遞實作

本研究針對主動推論中期望自由能，提出結合規劃校正與認知校正的熵校正方法。實驗於三種格子世界顯示，規劃校正在決定性觀測下即提升效能，觀測側的認知校正在資訊模糊時效果顯著。此外，本文比較此方案與傳統強化學習的價值函數及其他規劃即推論模型，指出在高不確定性環境中熵校正可提供更穩健的策略探索。