教育科技研究速報

提出一個利用最新 arXiv 論文構建、具備抗污染能力且能評估研究級數學推理能力的動態基準測試。

本文提出 LLM 代理人記憶機制的統一框架，透過基準測試比較現有方法，並開發出超越現有技術的新型記憶方法。

提出 PRISM 框架，透過風險門控與機率重新分配機制，減少大型語言模型在監督式微調時因過度模仿而產生的幻覺問題。

提出 PRCCF 框架，透過性格引導檢索與因果認知過濾技術，提升情緒支持對話的理解與回應品質。

研究揭示現有的主張驗證基準主要測試檢索與蘊含能力，而非複雜的推理、綜合與數值分析能力。

研究揭示 LLM 在面對語義相同但形式改變的數學問題時極其脆弱，並提出一套診斷框架與失敗分類法。

本研究透過對印尼 349 名 K-12 教師的調查，揭示了 AI 在教學準備中的應用現況、落差及面臨的挑戰。

提出 DeltaMem 系統，利用強化學習與新穎的記憶距離度量，優化單代理人模式下的角色中心記憶管理。

研究發現 Web Agent 的觀察表示法應根據模型能力與思考預算進行動態調整，而非一味簡化。

本研究透過電路級分析揭示了 LLM 產生錯誤卻表現出過度自信的內部機制，並提出有效的校準干預方法。

研究發現強制使用細粒度（如句子級）引用會顯著降低 AI 歸因品質，最佳性能出現在中等粒度（如段落級）。

研究提出一種結合 IRT 模型與適應性題目選擇的新方法，能以極低成本精準預測大型語言模型的未知任務表現。