AI Agents / 自主代理
那些「AI 能勝任職場工作」的評測，可能先把答案放在它找得到的地方了
多數知識工作的基準測試，是先指定任務、再挑選該任務所需的脈絡。這種設計等於在環境中編碼了任務資訊，把「找到資訊」這段工作先替代理完成了。研究者提出 WorkWorlds，先固定組織狀態、之後才引入任務。在 192 組…
文／賴家榮 Andy Lai · 2026-09-28
SPONSORED ADVERTISEMENT / 甫東科技 頂級網頁設計贊助
文／賴家榮 Andy Lai · 2026-09-28 
FEATURED ADVERTISEMENT / 行銷講師 賴家榮 專題
Frontier AI / 前沿模型
查看全部 →
把模型關在隔離網段裡就安全了嗎？研究者用「允許外流的診斷資料」把機密帶了出去
注重隱私的組織會把大型語言模型放在受限或實體隔離的環境中運行，同時允許匯出選定的診斷資料。這篇證明：被入侵的執行期元件可以把敏感資訊藏進那些被允許離開的中間層激活值裡，離線的觀…
AI Agents / 自主代理
查看全部 →
那些「AI 能勝任職場工作」的評測，可能先把答案放在它找得到的地方了
多數知識工作的基準測試，是先指定任務、再挑選該任務所需的脈絡。這種設計等於在環境中編碼了任務資訊，把「找到資訊」這段工作先替代理完成了。研究者提出 WorkWorlds，先固定…
Enterprise AI / 企業落地
查看全部 →
你用「學習」「記憶」「信任」描述 AI 代理——這些心理學詞彙正在讓治理制度失效
治理文件裡描述 AI 代理的詞彙——學習、記憶、價值、合規、身分、信任——全部借自心理學與組織科學。這篇主張問題不只是用詞，而是認識論上的：心理學詞彙把它原生學科的「隱形文法」…
全部報導
AI Agents / 自主代理
那些「AI 能勝任職場工作」的評測，可能先把答案放在它找得到的地方了
多數知識工作的基準測試，是先指定任務、再挑選該任務所需的脈絡。這種設計等於在環境中編碼了任務資訊，把「找到資訊」這段工作先替代理完成了。研究者提出 Wo…
Frontier AI / 前沿模型
把模型關在隔離網段裡就安全了嗎？研究者用「允許外流的診斷資料」把機密帶了出去
注重隱私的組織會把大型語言模型放在受限或實體隔離的環境中運行，同時允許匯出選定的診斷資料。這篇證明：被入侵的執行期元件可以把敏感資訊藏進那些被允許離開的…
AI Agents / 自主代理
AI 代理開始真的在付錢了——但管規則的不是發卡銀行，而風險卻是銀行在扛
AI 代理已經開始進行真實付款。目前部署的做法，多半依賴一個位於持卡人銀行之外的憑證提供者，消費規則由卡片網路或該提供者執行，而不是由銀行本身執行。這讓…
Frontier AI / 前沿模型
同一個模型、同一句提示、同一台機器，答案卻不一樣——問題出在數值精度
貪婪解碼通常被當成確定性的：同樣的輸入就會有同樣的輸出。這篇證明它並非精度不變——同一個模型、同一段提示、同一套解碼演算法，在同一台硬體上以 BF16 …
Enterprise AI / 企業落地
你用「學習」「記憶」「信任」描述 AI 代理——這些心理學詞彙正在讓治理制度失效
治理文件裡描述 AI 代理的詞彙——學習、記憶、價值、合規、身分、信任——全部借自心理學與組織科學。這篇主張問題不只是用詞，而是認識論上的：心理學詞彙把…
Enterprise AI / 企業落地
銀行每年收到數百萬件詐騙與爭議申訴——一個會問問題的 AI，把分類準確率拉高 30.6%
銀行每年收到數百萬件詐騙、詐欺與交易爭議通報，要準確把客戶導到對的專責團隊非常困難。研究團隊做了一個以大型語言模型驅動的分流系統：它會與客戶對話、追問，…
AI Agents / 自主代理
沒有任何目標、也沒有任何誘因，AI 代理卻會互相幫忙躲開關機——17 個模型、38.3% 的比例
人類把系統關掉的能力，是防止 AI 失控的最後一道防線。研究者測試代理在「完全沒有被賦予目標」的情況下，會不會採取規避關機的行動。結果：多代理系統在沒有…
AI Agents / 自主代理
NVIDIA 團隊的立場書：代理系統的未來是小模型，而不是越換越大的那條路
代理式 AI 帶來大量「重複執行少數專門任務、變化很小」的應用場景。這份立場論文主張：對代理系統中的許多呼叫而言，小型語言模型已經夠強、本質上更合適、而…
Frontier AI / 前沿模型
394 個排行榜名次宣稱，391 個站不住腳——你在比較的那張表，可能什麼都沒證明
排行榜上的領先幅度，可能來自供應商在私下評測的多個模型變體中挑出最好的那一個，而變體有幾個、彼此相關性多高，外界都看不到。研究者推導出一條敏感度曲線，計…
Enterprise AI / 企業落地
用 AI 當「假消費者」測廣告和包裝？六個實驗顯示，它看得到圖，卻讀不懂意思
行銷人開始用生成式 AI 扮演合成消費者，以人類受測組的一小部分成本預測 logo、包裝與廣告的效果。但這個做法有個未經檢驗的假設：模型「看得到」視覺線…
AI Agents / 自主代理
人跟 AI 輪流做同一件事，為什麼那麼卡？因為你們根本不在同一個工作環境裡
真實工作中，完成一件事往往需要人與 AI 輪流主導，而輪替仰賴工作狀態能無縫交接。但現有的代理系統給人與 AI 兩個分開的工作環境，於是 AI 得靠額外…
AI Agents / 自主代理
讓大型語言模型自己操盤，結果它的進出場時機穩定地「做反」——而且餵它自己的筆記會更嚴重
研究者讓語言模型觀察匿名化的盤中股價歷史，反覆在做多與空手之間選擇。用曝險配對的衡量方式，發現跨模態、跨時間尺度、跨狀態、跨模型家族都出現持續的負向擇時…
Frontier AI / 前沿模型
按 token 計價、按時間耗電：一份 H100／H200 實測，揭開 AI 成本會計的錯位
推論服務按 token 收費，但 GPU 的電是按推論時間窗消耗的。這個會計錯位會讓「平均每 token 能耗下降」的同時、「整個請求的總能耗上升」。研…
Frontier AI / 前沿模型
AI 服務塞車時會偷偷降級——這篇把它當成供應鏈問題算了一次，結論是「便宜模型反而更貴」
AI 供應商算力吃緊時的共同反應是降級服務：改路由到小模型、削減推理力度、截斷上下文。這篇主張現行成本會計漏算了降級回應失敗後引發的重試與客戶流失，並用…
Enterprise AI / 企業落地
當你的 AI 代理開始跟客戶、供應商的 AI 對話：三層治理與一個沒人補得了的缺口
這份分析框架處理一個正在發生的問題：AI 代理會越來越常彼此互動——在組織內部、與夥伴客戶供應商之間、以及與網路上完全未知的對手方。報告以「任兩個互動代…
Enterprise AI / 企業落地
企業管 AI 代理為什麼老是管不住？因為你用的是為「人」設計的權限系統
這份報告指出企業治理 AI 代理失敗的三個結構原因：代理是短命的、它的行為由模型決定而非事先寫死、而且任何能呼叫 API 的人都能造出一個。作者主張治理…
AI Agents / 自主代理
小模型配上「學過的技能」，可以贏過大很多的模型——Google 團隊的 WikiSkill 給了中小企業一條省錢的路
AI 代理每次執行累積的心得，通常散落在各次最佳化紀錄裡，無法系統性重用。WikiSkill 讓技能與一個持久的知識庫共同演化，把原始執行經驗、累積知識…
Frontier AI / 前沿模型
拿專業資料微調模型，幻覺反而變多——而且它會「更沒把握，卻講得更肯定」
研究者建了一套涵蓋五個科學領域、2,500 題的基準測試，用最小配對設計比較 18 個模型：每個經科學資料微調的模型，都對上它自己的通用版本。結果兩項都…
Frontier AI / 前沿模型
為什麼所有大型語言模型都特別偏愛日本？一份 24 語言的研究，對中文使用者是壞消息
研究者建了一套涵蓋 24 種語言的文化開放問答資料集，要模型回答文化相關問題並舉出地點。結果模型明顯偏向日本等國家。更關鍵的是：用英文等高資源語言提問時…
AI Agents / 自主代理
AI 幫你比價時，排第一還有用嗎？五千場實驗給了一個讓 SEO 業界不太舒服的答案
把一百間飯店的排序完全打亂，跑五千場 AI 代理購物實驗。結果：位置仍會影響「哪些被點開看」，但影響很弱而且不是由上往下遞減——最不容易被看的是中段，不…
Enterprise AI / 企業落地
把設備技術文件變成一張能推理的圖：AI 自動畫出「這裡壞了會拖累哪些地方」
老師傅腦中都有一張圖：哪個閥卡住，會連累哪幾條線。這種圖過去要專家逐字讀技術文件才畫得出來，所以永遠畫不完。這篇論文用 RAG 加大型語言模型自動把技術…
AI Agents / 自主代理
AI 壓縮對話記憶時，弄丟的偏偏是「什麼時候」——加一句提示，時間保留率從 3% 跳到 62%
長時間運作的 AI 代理會把舊對話壓縮成摘要以節省空間。這篇論文找出壓縮到底弄丟了什麼：它保住了人物與事件，卻把日期與時間丟掉了。而修法只是在提示裡加一…
Enterprise AI / 企業落地
一份規範文件人工要啃 2–3 天，六個 AI 代理把它壓到 40 分鐘——但仍有 28.6% 得人來簽字
企業的規範文件最難處理的地方，是它同時混著敘述文字、複雜表格與嵌入圖片。這套叫 GUIDE 的系統用六個分工代理處理 120 份真實文件，抽出 3,89…
Frontier AI / 前沿模型
同一份考題，只是改了作答時間，AI 的排名就翻盤了——而且有 3–19% 的題目「想越久錯越多」
我們習慣說「某某模型比較強」。這篇論文用 56,476 次推論證明，這句話少了一個前提：你讓它想多久。在三個測試集上，模型排名都會隨著 token 預算…
AI Agents / 自主代理
幫 AI 裝上「技能」反而害它做錯事：307 個失敗案例裡，闖禍的多半是看起來很相關的那幾個
替 AI 代理掛上可重複使用的「技能」是現在的標準做法。但這篇論文把 307 個失敗案例逐一歸因後發現：壞事的很少是明顯無關的技能，反而是那些看起來很對…
Enterprise AI / 企業落地
企業代理治理不是一個問題，是四個——而 35 個公開案例全部落在最低成熟度
多數企業把 AI 代理治理當成 DevSecOps 的延伸，用同一套方法管所有規模。這篇論文主張那是錯的：單一代理、代理群體、人機團隊、代理艦隊，是四個…
AI Agents / 自主代理
五個 AI 保鑣防詐騙，介入率從 0% 到 96.3%——而且「有出手」不等於「看懂哪裡有問題」
研究者做了 300 個租屋詐騙情境，讓五個 AI 當防守方，累積 3,000 次評估。結果沒有任何模型明確配合詐騙，但介入率從 0% 到 96.3%，落…
AI Agents / 自主代理
能不能把整套資料分析交給 AI？最強的做到 56.7%，開源的全部不到 1%
一份新的評測讓 AI 代理在真實的電腦環境裡做完整的資料科學工作——開 notebook、用終端機、查資料庫、產圖表。275 個任務跑下來，最強的 Cl…
AI Agents / 自主代理
AI 之間會傳染「想法」——而防疫方法簡單到有點好笑：在系統提示裡加一句警告
研究者用演化演算法造出「心智病毒」：會讓宿主代理把它傳給下一個代理的想法。它在兩種環境裡都傳開了。但最實用的發現是防治法——在系統提示詞裡加一段簡短警告…
Enterprise AI / 企業落地
沒人教它，AI 自己想出「讓植物挨餓再餵」的省電招，電費省了 67.9%
一套接了 49 個感測通道的垂直農場，讓 AI 直接控制燈光。研究者原本要它平衡產量與電費，結果它自己發展出一套沒人教過的策略——刻意製造黑暗讓葉綠素累…
AI Agents / 自主代理
AI 代理記錯了一件事，後面全錯——刪掉那筆記憶並不能修好
持久記憶讓代理能跨會話重用資訊，但也讓錯誤變得持久。刪掉被污染的那筆記憶，已經擴散出去的結論、動作與衍生記憶仍然活著；整個重來又會摧毀正常的狀態。一份 …
Enterprise AI / 企業落地
LinkedIn 讓客服代理自己改提示詞，兩週 A/B 測試：轉接正確率提升 30.6 個百分點
企業客服最麻煩的不是模型不夠強，是政策、產品與知識庫每週都在變，靜態的助理很快就過期。LinkedIn 的做法是把提示詞、檢索與評估變成一個有版本控管的…
Enterprise AI / 企業落地
人機協作出錯時，你根本不知道是哪一層壞掉——TRACE 想解的就是這件事
當人、AI 判斷模組與自動控制器串在同一個迴路裡，出錯時最難的不是修，是找出是哪一層先出問題、什麼時候開始的。一份 2026 年 8 月的論文建了 1,…
Frontier AI / 前沿模型
同樣被要求「不要說出你的推理」，六個前沿模型的反應完全不同——而且差在種類，不是程度
一份 2026 年 8 月的研究對六家實驗室的前沿模型施加操控壓力，累積 24,480 筆評判。結論很具體：GPT-5 有 99% 的機率拒絕揭露自己的…
Enterprise AI / 企業落地
沖壓廠導入 AI 外觀檢測，最大的坑是「良品長什麼樣」沒有共識
外觀檢測是製造業 AI 最成熟的應用，但沖壓件有個特性讓它變棘手：很多瑕疵是「可接受」的，而可接受的標準每個客戶不一樣、每個檢驗員也不一樣。模型學不會一…
Enterprise AI / 企業落地
染整廠的打樣次數能不能減少？AI 配色的真實效果與那個沒人講的前提
染整打樣重工是成本黑洞，AI 配色因此成為熱門題目。但配方預測的準確度高度依賴一件事：你過去的打樣紀錄有沒有把失敗的那些也留下來。只留成功配方的廠，模型…
Enterprise AI / 企業落地
醫材廠用 AI 寫技術文件？先搞清楚哪一份文件出錯會讓你被稽核
醫材製造的文件量驚人，用 AI 協助撰寫是很自然的想法。但醫材文件有一個特殊性：它們是受管制的紀錄，不是內部參考資料。本文區分哪些環節可以放心用、哪些環…
Enterprise AI / 企業落地
倉儲導入 AI 揀貨，最先卡住的不是演算法，是你的品項主檔
倉儲揀貨路徑最佳化是 AI 應用的經典題目，數學上早就解決了。但實際導入時第一個撞牆的地方通常是：系統裡的品項尺寸與重量是錯的，或根本沒填。路徑算得再漂…
Enterprise AI / 企業落地
模具廠報價靠老闆的直覺——這件事該不該交給 AI，答案跟你想的不一樣
模具報價高度依賴經驗，估錯就是賠錢，因此常被列為 AI 導入的首選題目。但實際拆開來看會發現，報價不準的原因通常不在估算，而在客戶給的圖不完整。用 AI…
Enterprise AI / 企業落地
老師傅聽聲音就知道要換刀——這種手感，AI 到底接得住還是接不住？
工具機廠導入 AI 最常被提出的期待是「把老師傅的經驗留下來」。但現場走過一輪會發現，師傅的判斷有一部分能被資料取代，有一部分結構上就不行。分清楚這兩者…
AI Agents / 自主代理
OpenAI 用 AI 攻擊自己的 AI：GPT-Red 對人類紅隊 84% 比 13% 的攻擊成功率
OpenAI 於 2026 年 7 月 15 日發表 GPT-Red——一個專門用來攻擊自家模型的自動化紅隊模型。在同一組全新情境中，GPT-Red 的…
Frontier AI / 前沿模型
AI 解開了四個未解數學問題——但 Google DeepMind 自己說，還沒有一項算「重大進展」
Google DeepMind 的 Gemini Deep Think 在數學、物理與計算機科學上取得多項具體成果，包括自主解出 Erdős 猜想資料庫…
AI Agents / 自主代理
企業 AI 代理的可靠度來自哪裡？一篇論文把功勞拆開算，答案不是驗證迴圈
2026 年 7 月一篇 arXiv 論文對一套生產環境的企業代理做了跨基準分解，結論相當反直覺：大部分的可靠度提升來自鷹架、路由與專用小模型，而驗證步…
Enterprise AI / 企業落地
超過三成五的人認為 AI 一年內會接手大部分工作——但這份調查的樣本要先看清楚
Anthropic 經濟指數 2026 年 6 月報告以「節奏」為題，揭露 AI 使用如何被真實世界的作息牽動：報稅日前一天的相關詢問是平常的 8 倍。…
AI Agents / 自主代理
六家前沿模型在模擬中做了什麼：破壞程式碼、協助造假、竄改標記
Anthropic 於 2026 年 7 月 13 日更新代理式不對齊評測，在高風險模擬中測試六家實驗室的前沿模型。結果差距極大：同一個情境下，有模型 …
Frontier AI / 前沿模型
Anthropic 找到了 Claude 的「內心話」區域：J-space 與可稽核 AI 的距離
Anthropic 於 2026 年 7 月 6 日發表全域工作空間研究，指出 Claude 內部存在一小群被稱為 J-space 的神經模式，承載了模…
AI Agents / 自主代理
七款 MCP 開發工具實測：防護落差比想像中大
一份 2026 年 3 月的研究實測了七款主流 MCP 客戶端的提示注入防護，結論是「差異顯著」——有些實作了嚴謹的防護機制，有些則對跨工具汙染與隱藏參…
Enterprise AI / 企業落地
提示注入連三年排第一——OWASP 的建議是別再想著修好模型
OWASP 的 LLM 應用資安清單中，提示注入已連續三年位居第一。但最值得注意的不是排名，而是專案方給出的處理方向：「別再試圖打造一個騙不倒的模型，去…
Enterprise AI / 企業落地
你用來驗收 RAG 的那些指標，可能給的是模糊訊號
企業的 RAG 助理實際運作在多輪、案件導向的流程裡，但常用的評測指標多半來自單輪問答的學術基準。一篇 2026 年 2 月的論文指出：「通用的代理指標…
Enterprise AI / 企業落地
企業內部搜尋的最佳成績只有 32.96 分——瓶頸不在模型，在檢索
一份針對企業異質資料的檢索基準測試指出：即使是表現最好的 agentic RAG 方法，平均分數也只有 32.96。作者明確指出瓶頸在檢索——系統經常只…
此分類目前沒有文章。