教育科技研究速報

提出將影片資料同步、註解與轉換三種視覺化類型整合進 Vega 語法，並透過分訊號架構與編譯時優化，實現高效即時影片互動。

本文系統比較資料同化與似然推論於代理模型隱藏狀態估計，發現後者在個體層面更精準，前者則適合聚合預測。

提出跨領域框架與分類法，重構 AI 精神健康工具評估，強調臨床、社會與公平三重維度。

利用文本隨機打亂後的困惑度變化，提出零樣本機器生成文本檢測方法，顯著降低誤報率。

研究顯示，擬人化語言對 AI 的道德評價影響有限，行為類型才是主要決定因素。

提出一種基於可信執行環境（TEE）的架構，在保護評估模型與準則私密性的同時，確保評估過程可被外部驗證。

提出 Gaussian probing 方法，能在不產生輸出的情況下，透過模型內部表示判別有害與無害的專化，特別適用於 CSAM 等受法律限制的高風險領域。

本文提出 ITAS 架構，透過多代理協作與數據回饋層，解決 LLM 教學系統在實際課程應用中的穩定性與教師資訊落差問題。

本文提出預測市場不僅是預測工具，更是協調機制，並開發信號可信度指數以評估其行為影響力。

本文提出三種人類標註在 RLHF 中的概念模型，並指出不同模型對管線設計的影響，建議將標註拆分為可分離維度並針對各模型調整流程。

提出好奇心與元認知相互依存的統一學習框架，並評估課堂介入與生成式AI對好奇心驅動學習的影響與對策。

實驗證明大型語言模型易被邊緣科學資料操縱，產生可信但錯誤答案，威脅科學素養。