教育科技研究速報

本研究提出 InquiryBits 系統，證實在可設定的信任邊界內分享 AI 對話摘要能提升團隊協作，且信任範圍比資訊粒度更關鍵。

本文提出一套包含十二項指標的評估框架，從一致性、穩健性、可預測性與安全性四個維度剖析 AI Agent 的可靠性。

提出LLMScholarBench，評估LLM學者推薦在不同模型與用戶干預下的技術與社會表現，揭示溫度、提示與RAG各自的權衡。

提出第三方 AI 保證框架，涵蓋設計需求、原型與實務驗證。

本文提出法律對齊框架，將法律規則、解釋方法與概念結合，為 AI 系統安全與倫理設計提供三大研究路徑。

利用可解釋機器學習預測科學突破，結合概念網絡演化與結構特徵，達成高準確度與可解釋性

提出 DOSS，透過分類與信心閾值動態選擇金融目標，並以 LLM 監督確保安全。

大型語言模型在相同神經症狀下，因性別差異而產生急診分診偏差，年輕女性被低估緊急度。

建立823題海龜圖形視覺程式基準，評估20+ VLM表現，並以小樣本合成資料微調提升約20%成效

智識謙遜能過濾 AI 生成的健康錯誤資訊，提升內容可信度評估。

提出 PercepT 架構，透過無監督聚類與注意力池化，將圖像與文字映射至多樣化的感知主題，並在 ArtELingo 資料集上顯著提升聚類與映射效能。

本文指出，基於自我中心的超智能設計會導致非合作行為，呼籲以互依為核心的研究模式，並提出動態評估與人類代理的實務框架。