教育科技研究速報

本文提出 TIC 分類法，從六個維度系統性地分析數據在轉化為敘事過程中所產生的錯誤與偏差。

研究提出 Gauntlet 框架，透過多代理人協作與對抗式合成，在技術論文的深度批判能力上超越了人類研究員。

開發一款無需安裝的瀏覽器工具，透過「學習-匯出-分析」循環，讓學生從數據分析中理解強化學習原理。

本文提出一個統一框架，將宗教與 AI 視為相似的分佈式認知機制，透過外部符號環境來引導行為與建構意義。

本文指出當前 AI 缺乏創造新表徵原型的能力，並提出「詞彙差距」與「驗證差距」來定義通往開放式智能的挑戰。

提出一個語義框架，將 AI 輸出視為工程化表示而非事實，藉此精確定義並檢驗 AI 的錯誤類型。

本文介紹 ProofCouncil，一種採用作者-評論者架構的數學代理系統，能自主解決真實世界的開放性數學難題。

提出 AutoWorldBuilder 系統，透過多代理協作、上下文壓縮與迭代審查解決大規模虛構世界構建中的一致性與長文本挑戰。

開發了一套開源系統 OpenProver，透過 Planner-Worker-Verifier 架構結合 LLM 與 Lean 4 進行自動化定理證明。

提出 HEP 協定，將 AI 代理的科學推理過程結構化，使其具備可審計、可驗證的假設演化能力。

本研究提出 L-MAD 框架，探討多智能體辯論在法律文本蘊含任務中的結構與聚合方法之效能。

本文提出一種將數學家指導 AI 進行 Lean 4 形式化證明視為「策略遊戲」的新方法，並成功完成 Vlasov 方程式的證明。