科學機器學習
UNICON 以 4,160 萬參數統一九類數值系統，凍結權重也能跨領域預測
UNICON 將河川、交通、電網、氣象與人流等資料轉成共同的圖序列介面，透過少量數值範例在上下文中指定新任務。模型在未參與訓練的網頁流量等領域接近專用模型，但目前只驗證預測問題，權重與程式碼亦未公開。
Archive
最新模型
新模型、開放權重、多模態、語音、影像與模型架構。
科學機器學習
AI 安全
五款開放權重模型的自報信心近乎常數，低信心優先稽核可能等同隨機抽查
新研究以有限人工預算模擬代理群稽核，找出自報信心失真到使排序策略落後隨機抽查的臨界點。五款小中型開放權重模型在兩項測試的信心 AUROC 僅約 0.5，但結論來自單一提示與直接作答設定。
代理工具
ORCA-bench 重建六天遙測現場，前沿代理的中等難度根因分析最高僅 25.3%
ORCA-bench 以可運行的微服務、50 GB 遙測資料與 1,079 起事故，測試程式代理能否從模糊通報找出根因。即使提供完整原始碼，最佳代理在貼近真實輸入的中等難度任務也只答對四分之一。
最新模型
ReToken 用單一可學習 token 篩選視覺 KV cache，長影片問答提高 8.0 點
ReToken 不把所有影像 token 一次送入模型，而是從預先填入的視覺 KV cache 中取回與問題相關的稀疏區塊。其凍結骨幹、只訓練檢索 token 的做法可在單張 H100 上完成，但成果仍主要來自兩款 8B 模型。
最新模型
Mistral 一批舊模型於 7 月 31 日退出服務，程式代理與結構化輸出須重做回歸測試
Mistral 的夏季模型清理進入最後一批，涉及 Devstral、Magistral、Mistral Small 與 Open Mistral Nemo 等舊版識別碼。官方替代模型並非同架構快照，遷移不能只改名稱，還要重新驗證工具呼叫、輸出 schema、上下文與成本。
AI 基礎設施
SageMaker HyperPod Inference v3.1 開放自訂 Pod、憑證與逐 Pod 請求上限
AWS 更新 HyperPod Inference Operator，讓團隊能直接調整 Kubernetes Pod 規格、配置自訂 TLS 憑證，並限制單一 Pod 的並行請求。這些介面補上大型模型服務的隔離與背壓控制，但升級前仍須驗證自訂設定不會破壞 Operator 管理的資源。
形式驗證與 AI 求解
LeanCSP 以 Lean 驗證限制式重寫與求解器證明，搜尋量最高縮減兩千萬倍
LeanCSP 把模型等價性、對稱破除及求解結果檢查納入同一條 Lean 4 驗證鏈。外部求解器仍負責昂貴搜尋，但錯誤憑證無法在 Lean 核心中形成定理。
最新模型
PCD 將多模態失敗拆成感知與推理訊號，32B 到 8B 蒸餾平均分升至 61.22
Perception-Correction Distillation 只有在答案失敗且學生與教師的感知輸出分歧時，才加強感知區段的蒸餾。Qwen3-VL 的兩組縮模實驗均優於均勻式 on-policy distillation，但方法依賴教師確實看得比學生準。
最新模型
DeepSeek-V4-Flash 0731 只重做後訓練，Terminal-Bench 2.1 官方成績升至 82.7
DeepSeek 將重新後訓練的 V4-Flash 推入 API 公測，模型架構、284B 總參數與 13B 啟用參數均未改變。新版原生支援 Responses API，主打程式代理與工具使用，但關鍵測試依賴尚未公開的 DeepSeek Harness。
RAG 與檢索系統
GLM-RAG 把知識圖文字送入圖式 Transformer，跨領域多跳檢索優於 GNN 基線
GLM-RAG 讓節點、關係與問題在第一層注意力便共同互動，而非只靠圖距離傳播訊息。它在未見領域的多跳評測取得較佳結果，但單跳任務仍由普通向量 RAG 領先，程式與模型也尚未公開。
AI 安全
DFOT 量化 LLM 對衍生感測值的過度信任，跨模態蒸餾讓修正率提高最多 6.69 點
新框架把「模型誤信衍生數值」拆成衝突接受、情境誤導、錯誤修復與效用損害等指標。以 PPG 心律判讀為案例，訓練時借用 ECG、部署時只需 PPG 的可靠度模型改善四項端點，但資料與權重未隨程式碼公開。
最新模型
DualG-MRAG 將多模態知識圖拆成兩層，MMQA 的 R@5 提高至 61.9%
DualG-MRAG 以巨觀圖尋找跨文件推理路徑，再用微觀圖核對局部影像與文字證據，避免細粒度節點使知識圖快速膨脹。研究在 MMQA 將 R@5 從最佳圖式基線的 42.1% 提高至 61.9%，但尚未公開程式碼與索引建置成本。