深度分析
Argus 以 SMII 技術實現動態身份記憶的影片生成突破
針對影片中人物身份保持的挑戰，研究提出Argus系統，利用堆疊多視角身份馬賽克注入(SMII)將影像證據轉為3×3動態記憶，並結合大語言模型導向與反事實訓練，使生成影片在大幅度側臉、遮蔽與首幀衝突下仍保持高相似度，實驗在OpenS2V與HardID-Celeb基準上創下最高分。
Argus
深度分析
「SopriBench」與「Argus」：多模態跨貼文隱私洩漏基準與溯因推理框架解析
研究顯示社群貼文中微弱線索會累積暴露使用者住家或工作地點，作者提出SopriBench基準與PES評分，並開發訓練無需的Argus框架，提升跨貼文隱私推斷25%效能。此研究提供首個可公開的使用者層級多模態隱私洩漏基準，並以PES衡量暴露嚴重度，Argus在跨貼文推斷上比最佳基線提升0.11分。
速報
Argus：用資料流不變式與 Python DSL 將 GPU 核心效能拉近手工最佳
背景：LLM程式設計代理能寫出正確GPU核心但效能不足。方法：Argus以資料流不變式與tile型PythonDSL，透過標註與編譯期斷言＋抽象詮釋與SMT驗證提供密集回饋且無執行期負擔。結果：在AMDMI300X上，生成核心接近手工最佳吞吐並顯著優於既有代理。