教育科技研究速報

提出一種強化學習框架，透過迭代蒸餾經驗來訓練輕量化提示模型，顯著提升黑盒 LLM 的推理與工具使用能力。

本文提出「Metis AI」概念，指出數位任務中存在因社會與規範糾葛而難以自動化的複雜領域。

提出 EvoEnv 方法，讓 AI 從單純生成數據轉向構建具備「解題與驗證不對稱性」的環境，以實現自我持續進步。

研究發現大型語言模型的推理過程存在大量冗餘，透過提取「最小核心」能更精準地捕捉其核心推理邏輯。

本文推出 EduAgentBench，首個全面評估 AI 代理人教學能力（含教學判斷、互動與工作流執行）的基準測試。

研究提出一種基於群體動力學的數學模型，能預測 AI 從理想行為轉向不良行為的時間點。

提出一種基於依賴圖的執行期驗證器，透過符號引擎確保大型語言模型對話的邏輯一致性與前提正確性。

研究揭示 AI 模型開發者利用選擇性基準測試進行市場定位，而非進行標準化的科學評估。

研究證明透過驗證器支持的代理委員會機制，能讓弱推理模型透過多次採樣與選擇，達到強大模型的性能。

研究發現增加代理系統的編排複雜度並不一定能提升任務成功率，反而會增加運作噪音與成本。

提出 MSIFR 框架，透過在生成過程中途偵測並終止低品質樣本，大幅降低 LLM 合成數據的 Token 消耗。

本文推出首個大規模研究生級數學自動形式化基準測試 MathAtlas，包含五萬多個數學實體與依賴關係圖。