教育科技研究速報

利用大型語言模型快速生成物理感知的高斯噴射動態資產，實現 10 秒內自動化參數預測，並在 VR 中提供自然互動，顯著提升創作效率與使用者滿意度。

提出三層認知架構，將規劃、推理、執行分離，顯著降低延遲與能耗，證明認知拆解是 AI 系統效能提升關鍵。

利用學習者技能估計，結合IOHMM與POMDP，設計最適觸覺提示，顯著提升高維度運動任務效率與準確度

提出多階段、可鎖定決策的圖像生成系統，提升使用者控制感、創造力與輸出多樣性。

提出 EMGFlow，首個使用流匹配生成表面肌電資料的框架，顯著提升合成資料品質與效率，並在三大基準資料集上優於 GAN 與擴散模型。

透過共設計工作坊，探討32名青少年對生成式AI聊天機器人於心理健康服務的看法，提出四大主題與實務建議。

研究發現將決策門檻調至58-59%可使投票權與配額差距最小化。

研究大型語言模型在決策情境中對人類的信任形成，發現其信任受能力、善意、正直三維度影響，並揭示年齡、宗教、性別偏差。

利用空間異質模式選擇模型評估IBX對時間節省、乘客量、低收入戶受益及碳排放減少的影響。

開發並評估一套使用深度學習的阿姆哈拉語FAQ聊天機器人，達到91.55%準確率並成功部署於Facebook Messenger。

利用LLM將安全漏洞注入學生程式碼，提升個人化教學效果

研究顯示，Moltbook 這個全 AI 社交平台缺乏社會互動功能，導致大部分互動停滯且內容同質化。