教育科技研究速報

提出 MedForge 系統，結合大規模醫療偽造資料集與先行推理機制，實現高準確度且可解釋的醫療深偽偵測。

PRISM透過意圖驅動自我啟發，將專家角色轉化為LoRA適配器，提升LLM安全對齊且保持判斷準確度。

LLM代理能利用散布線索自行推斷真實身份，顯示去匿名化風險升高。

開發 LGESynthNet 以可控方式合成心臟瘢痕影像，僅用 429 張圖像即提升分割與偵測準確度 6–20 分。

儘管語言模型內部表現卓越，但現有機制可解釋性方法無法有效修正其輸出錯誤，揭示知識與行動之間存在巨大落差。

本研究提出 FaithSteer-BENCH，旨在透過部署導向的壓力測試，評估大型語言模型（LLM）推控方法的可靠性與實用性。

本研究揭示了現有健康相關大型語言模型（LLM）評估基準資料與真實臨床需求之間存在有效性落差，缺乏代表性及關鍵臨床資訊。

提出基於模擬產生高品質數據、組合似然 EM 演算法的可靠性模型，能有效量化 AI 系統錯誤傳播並提升評估效率。

開發多屬性子空間引導框架，生成暗黑模型以模擬長期人機互動中的有害行為，並提出緩解措施。

建立 DEAF 基準，揭示音頻 LLM 主要依賴文字提示而非聲學訊號

本文指出LLM對人格測驗的回應未滿足人格六大特徵，顯示Big Five等人類人格量表不適用於LLM，並提出功能性評估與LLM專屬框架的研究方向。

本研究開發並驗證了一套評估公眾科學視覺素養的測驗 SVLAT，旨在衡量其解讀科學視覺化圖表的理解能力。