教育科技研究速報

本研究透過自動化三步驟流程，評估並修正了 EU20 多語言基準測試集的翻譯品質與結構完整性。

研究發現大型語言模型在面對間接特徵線索時，其隱性偏見程度遠高於顯性身份標示下的偏見。

本文提出一種高準確度的閱讀障礙錯誤歸因模型，並強調在教育應用中必須建立嚴謹的倫理框架。

提出一種基於指令微調與離散控制標記的框架，使開源模型能精準控制文本的易讀性與壓縮率。

提出一個利用最新 arXiv 論文構建、具備抗污染能力且能評估研究級數學推理能力的動態基準測試。

提出 PRISM 框架，透過風險門控與機率重新分配機制，減少大型語言模型在監督式微調時因過度模仿而產生的幻覺問題。

研究揭示現有的主張驗證基準主要測試檢索與蘊含能力，而非複雜的推理、綜合與數值分析能力。

本研究透過電路級分析揭示了 LLM 產生錯誤卻表現出過度自信的內部機制，並提出有效的校準干預方法。

研究提出一種結合 IRT 模型與適應性題目選擇的新方法，能以極低成本精準預測大型語言模型的未知任務表現。

本文比較了三種計算翻譯停頓閾值的方法，並提出一種新型的生產單位斷點計算法。

研究者推出 M2-Verify 資料集，揭示現有 AI 模型在處理複雜科學多模態證據一致性時仍存在顯著缺陷。

提出同儕脈絡異常偵測方法，利用文獻間關係調整置信度，顯著降低LLM提取幻覺，提升科學文獻摘要準確度。