教育科技研究速報

研究透過自我獎勵強化學習技術，成功讓大型語言模型展現出更擬人化的情感、意圖與自我意識。

提出一種基於評論者引導的異質多代理人框架，透過生成與驗證機制提升數學推理的準確性與可靠性。

本文提出全新基準測試，揭示視覺語言模型在時序推理時常依賴顏色等表面特徵而非邏輯判斷。

提出 PerceptUI 框架，利用多階段訓練的 LLM 代理模擬特定用戶角色，進行高擬真度的 UI/UX 評估。

研究提出 BenchAgent 框架，發現多 Agent 系統在標準化條件下往往不如單 Agent，除非採用動態生成的運行時工作流。

提出 FIDES 解碼器，透過 Token 層級的衝突偵測，解決 RAG 模型在檢索資訊與內建知識衝突時的偏誤問題。

本研究比較多種 LLM 在 Lean 4 數學形式化證明中的效能，並從準確度與成本效益兩方面進行評估。

開發 SoCRATES 基準測試，用於評估 LLM 在多樣化社會認知情境下進行主動衝突調解的可靠性。

本文提出 OPT* 任務框架，透過可擴展的搜尋空間訓練 LLM 進行複雜的逐步優化決策推理。

研究發現 LLM 評審在面對針對性挑戰時，其判斷會發生可逆轉的改變，顯示其評估結果具備高度可操縱性。

提出 VAMPS 基準，評估多模態 LLM 在圖形工具輔助下解數學問題的表現，發現直接分析仍優於視覺輔助。

提出 SMAC-Talk，將星際爭霸多代理挑戰加入自然語言通訊，評估 LLM 在協作環境中的協調與信任。