深度分析
Aryabhata 2：以強化學習優化開源大型語言模型的 STEM 競賽推理效能
面對JEE、NEET等競賽考試的高階符號推理需求，團隊以強化學習後訓練開源20億參數模型，打造Aryabhata2。模型在考試與跨領域推理基準上超越基礎模型，產出字元減少六成，提升部署效率。此方法結合嚴格答案驗證與難度感知課程，證實在資源受限環境下仍能提升正確率，預示開源模型在大規模教學平台上具競爭力。
LoRA
深度分析
LoRA‑as‑Tools 結合語意路由，實現 LLM 多領域即時專家切換
本文介紹 Adaptive Minds，一個把 LoRA 適配器視為領域工具的代理系統。透過讓基礎大型語言模型自行進行語意分析與路由，系統能在不同專業領域（化學、金融、醫療等）之間即時切換，避免傳統全模型微調或多模型部署的高成本。實驗在 25 筆測試查詢上取得 100% 的路由正確率，遠超關鍵字匹配的 48%。
深度分析
Granite 4.0 3B Vision：企業文件多模態模型，精準表格與圖表解析
IBM 推出 Granite 4.0 3B Vision，為企業文件提供視覺語言模型，結合表格抽取、圖表理解與語意鍵值對解析。模型以 LoRA 套用於 Granite 4.0 Micro，透過 ChartNet 合成資料與 DeepStack 架構提升精度。測試顯示在 Chart2Summary、PubTables 等基準均領先。
深度分析
OmniCustom：以 LoRA 與對比式流學習實現同步音視訊聯合生成
背景：既有視訊客製多半僅保留影像身分，難以同步控制語音音色。技術：OmniCustom 在聯合音視訊生成模型中引入參考影像與參考音訊、獨立 LoRA 於 QKV 自注意力，並加入對比式流匹配來強化身分與音色保存。結果：實驗顯示在身分一致性與音色克隆上超越現有方法。
速報
LoRA 適配器後門：詞元層級泛化與可執行的供應鏈偵測
研究發現LoRA適配器可透過訓練資料中毒植入後門，維持原本任務表現。攻擊以特定觸發詞為錨，泛化屬於詞元層級而非結構化引文。作者提出兩條檢測途徑：一是基於probe電池的行為統計量化異常，二是權重層級的標準差指標，兩者對供應鏈掃描具實務應用價值。
速報
VLA-Pro：以程序記憶與LoRA提升視覺語言行動模型跨任務泛化
視覺語言行動模型仍難跨任務泛化。VLA-Pro在訓練時以任務專屬LoRA適配器當作程序記憶儲存，推論時根據多模態情境檢索並融合相關記憶以產生動作。實驗於RoboTwin、RLBench與實機測試顯著提升泛化，模擬相對改善達207%，實機成功率從5.8%升至65.0%。
深度分析
unix-ctf：以可驗證植旗／回收契約評估 Unix 能力（Qwen3-8B、LoRA 與容器化驗證）
unix-ctf 將「Unix 能力」從以程式為中心的終端任務中抽離，建立一個專注於作業系統、檔案格式與 shell 原生機制的訓練與評測表面。系統以大型語言模型輔助生成「植旗／找旗」腳本，並透過雙向契約自動驗證：植旗後磁碟不可留有明文旗、且在新目錄能被回收。
深度分析
PiSAR 基準：受監督微調（LoRA）使 Qwen3‑VL‑8B 在螢幕導向行為理據任務超越 Claude Opus 與 GPT‑5.5
本報導改寫自一篇針對 PiSAR 屏幕條件化行為理據資料集的實驗報告。作者在 661 行留置測試上，對比前沿零樣本基線（Claude Opus、GPT-5.5）與受監督微調（managed LoRA）後的小型視覺語言基底（Qwen3‑VL‑8B‑Instruct）。
深度分析
參數化具身代理 PEAM：用 LoRA 與 Qwen3‑VL‑8B‑Instruct 提升 Minecraft 長程任務表現
隨著大型語言模型在具身代理中的應用普遍，記憶仍多為外部檢索。研究提出PEAM框架，將成功與修正的操作軌跡內化為參數化適配器，並以失敗為訓練訊號。此設計透過每類別獨立的LoRA適配器避免跨技能遺忘，且以自觸發機制在失敗統計達標時自動內化，免除手動門檻，提升了代理的實時反應速度。
速報
MinT（MindLab Toolkit）：管理化 LoRA 適配器平台，為百萬級策略目錄提供訓練與線上部署
研究在於為大量衍生策略提供管理化部署.MinT保留巨型基礎模型常駐，讓LoRA適配器在rollout與回滾間流轉並隱藏分散式訓練.透過ScaleUp、ScaleDown與ScaleOut三軸擴展，支援密集與MoE架構並優化載入效率.能管理百萬級策略目錄並加速適配器載入與多策略併發服務.
深度分析
CroCo 多語偏好微調：以英語訓練獎勵模型、DPO 與 LoRA 實現跨語對齊
研究探討把英語上的對比偏好調教延伸到多語環境。CroCo以模型自生成回應配對、用英語訓練的獎勵模型於各語言內排序，並以DPO配對微調與LoRA做參數高效適配。實驗顯示多數語言和任務可見改善，同時減少SFT造成的遺忘。這說明英語訓練的獎勵信號可作為跨語言內部排序依據，降低逐語標註需求。
深度分析
Gemma 4 31B 在 TPU 上以 LoRA 微調與 vLLM 部署：效能、成本與工程要點
研究以 Gemma 4 31B 在 TPU 上完成 LoRA 微調與 vLLM 推理為背景，詳述從 PyTorch→JAX 的改寫、Orbax 到 safetensors 的合併流程，以及在 v6e-8 上部署所需的 Docker 設定。結果顯示 TPU 訓練更快、成本更低，並在長上下文推理延遲與吞吐上展現顯著優勢，惟評估品質部分 GPU 仍有領先。