教育科技研究速報

本文提出具身科學範式，強調將具身 AI 的感知、推理、行動與發現整合，以實現與物理世界的持續互動，加速科學發現。

本研究提出一個基於子目標分解的框架 MiRA，透過強化學習訓練，大幅提升大型語言模型在複雜環境中的長期規劃與執行能力。

HyEvo 提出一種自動化的工作流程生成框架，結合了概率型 LLM 節點與確定性程式碼節點，有效降低推理成本與執行延遲。

提出 ItinBench 基準，將路徑優化與語言推理結合，評估 LLM 在多認知維度下的表現，發現其難以同時處理多任務。

本研究探討如何訓練大型語言模型（LLM）生成形式化的反例，以驗證數學命題的真偽，並填補了 AI 在數學推理中偏重證明而忽略反例發現的空缺。

本研究探討了將專家注視模式視覺化，以協助程式碼新手理解新程式碼庫的效果，並設計了 GazePrinter 工具。

本研究探討肌電圖（EMG）和超音波（UI）技術如何使控制音高的肌肉活動可見，以提升聲樂訓練的成效。

本文挑戰「AI 作為伴侶」的模式，提倡以 AI 作為文化關係基礎設施，促進跨文化、世代和地域的人際連結，並以東亞移民為案例進行研究。

本研究首次探討科學家在實驗室和現場如何使用 AI 進行實體作業，並揭示了 AI 在高風險、受限環境下，以及無法取代人類經驗的挑戰。

本研究提出一種易於實施的解碼方案，能有效提升大型語言模型在長期探索性搜尋任務中的創造力與多樣性，幫助使用者更快速找到滿意的答案。

本研究透過分析知識實體間的語義距離，量化學術界與產業產出的知識新穎性，發現學術界整體而言更具新穎性，尤其是在專利領域。

本文探討生成式 AI 在建構式反應評分中的應用，並提出一套最佳實務規範，以確保評分系統的效度與可信度。