教育科技研究速報

本研究透過比較不同 Transformer 模型與訓練策略，顯著提升了古蘭經誦讀的語音辨識準確度與效率。

本文指出傳統代理模型排行榜的總分排名無法有效預測實際部署表現，並提出以預測效度為核心的新型評估框架。

提出 TOTEN 框架，利用工程實體本體論取代傳統統計分詞，以精準處理技術文本中的物理量與符號。

研究發現即使邏輯求解器能提供正確答案，LLM 在將結果轉化為人類語言的「敘述」過程中仍可能因提示注入而導致錯誤。

提出一種基於提示工程的不確定性分解方法，使 LLM Agent 能在任務不明確時主動詢問澄清，而非盲目執行。

研究提出一種透過自我反思與 DPO 優化，使 LLM 能在無需外部裁判的情況下實現倫理對齊的新技術。

研究發現 LLM 在處理結構化臨床數據時，其口頭表達的信心與實際準確度無關，並提出利用跨模型歸因差異來提升可靠性。

研究發現多代理 LLM 協商受隱藏的「內部信念（錨點）」驅動，這能解釋模型如何超越初始意見範圍達成更高準確度。

開發了一套結合 AI 檢索與人工驗證的流程，用以量化評估電腦科學課程對國際標準的覆蓋度與深度。

研究發現創意工作者在學習生成式 AI 時，面臨結構化教學引導與維持創作自主權之間的矛盾與張力。

本研究透過原型分析識別出七種不同的玩家 AI 接受度特徵，並探討其與個人特質及背景的關聯。

本研究提出一種掌心穿戴式原型，透過間接回饋與主動熱傳遞技術，解決 AR 環境中虛擬與真實物體熱感交互的挑戰。