教育科技研究速報

提出 CI-CBM 模型，透過概念正規化與偽概念生成技術，在解決持續學習災難性遺忘的同時，保持模型的高度可解釋性。

研究提出 GUI-Perturbed 框架，揭示現有 GUI 定位模型在空間推理與視覺變動下存在嚴重的性能崩潰問題。

本文報告了首個大規模部署 AI 輔助審查的案例，證明 AI 能在學術會議規模下提供高品質且受歡迎的審查意見。

本文提出 GeoAgentBench 基準測試與 Plan-and-React 架構，旨在提升地理資訊系統（GIS）中 AI 代理的執行準確性與錯誤恢復能力。

提出兩種並行監控架構，有效降低 LLM Agent 在複雜任務中的推理錯誤與循環問題。

提出一種具備統計保證的方法，用於量化大型推理模型中推理過程與答案之間的不確定性，並開發了解釋框架。

提出 CONCORD 框架，透過 AI 助手間的協作與安全查詢，在保護非授權使用者隱私的前提下恢復對話上下文。

本研究揭示了大型語言模型因浮點數精度限制而產生的數值不穩定性，及其導致輸出結果產生混沌行為的機制。

提出一個結合隔離環境與三層代理迴圈的框架，實現科學研究任務的安全與自動化執行。

本研究開發了一套可量化的評估框架，用以衡量語言模型代理在複雜任務中探索與利用知識能力的錯誤率。

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。

本文透過開發股票交易系統的案例，驗證了 SHAPR 框架在維持 AI 輔助開發過程中的連續性、追溯性與方法論清晰度上的有效性。