深度分析 PAJAMA 登場：程式蒸餾取代 LLM 評審，成本降 50 倍、速度提升 47 倍 大型語言模型（LLM）作為自動化評審（LLM-as-a-judge）雖已成為業界標準，但其高昂的 API 成本、緩慢的推論速度以及不透明的決策過程，嚴重限制了可擴展性與可靠性。
深度分析 VULPO 與 ContextVul：以 on-policy LLM 強化情境感知漏洞檢測 隨著開源軟體的廣泛採用，漏洞利用風險提高，現有自動化漏洞檢測多侷限於函式級別、固定輸入或靜態偏好資料集，難以重現人類對跨檔案、跨程序的情境推理。
