教育科技研究速報

本文提出 Rose-Frame 框架，透過認知與認識論視角診斷人機互動中的推理失效，並強調以人類反思機制而非僅靠技術改良來穩定 AI 推理。

提出 ConfGuide 方法，利用符合性風險控制技術生成精簡且具針對性的 AI 引導，以優化混合決策品質。

提出一種透過瀏覽器層級 DOM 操作，直接在現有網頁介面進行即時重構以提供輔助的新型 GUI 代理技術。

本文提出以「可追溯性」取代傳統「可複製性」，來提升設計導向研究的透明度與嚴謹性。

本文提出將推理視為人機協作的關係過程，透過「建築師之筆」方法建立結構化的反思循環與可審計的推理軌跡。

本文提出「分層可變性」框架，揭示自我修改代理人因局部合理更新累積而導致行為漂移的風險。

提出表格表示的柏拉圖式假說，證明傳統序列化方法易受佈局變化影響，並設計置換不變編碼器提升檢索穩定性。

提出 A-R 空間以量化 LLM 代理的執行與拒絕行為，揭示不同規範體系與自動化設定下的行為分布，為組織部署提供決策依據。

提出計算驅動推理框架，將空間推理交給確定性計算，提升空間問答與機器學習競賽的準確性與可解釋性。

利用大型語言模型設計並實驗一套術後胃腸癌病患遠程監測系統，證實參與式設計與負責任 AI 能提升臨床與病患互動效率。

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。