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。

提出 NeSyCR 框架，利用神經符號反事實推理將視訊示範轉化為可執行程式碼，並在跨域環境中提升 31% 任務成功率。

本研究展示了如何透過分析文本中的時間共現模式，發現不同於語義內容的轉移結構概念，並建立一個多解析度的概念地圖。

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。

本文將微分方程式作為理論基礎，系統性闡述其在深度神經網路架構、性能提升與實務應用中的作用。

提出 MemArchitect，透過規則治理 LLM 記憶，提升代理人安全與效能。

提出一種基於幾何與神經形態的低記憶、精確梯度、保留幾何層級的訓練架構，並引入貝葉斯蒸餾與熱旋轉以解決領域特定訓練與部署問題。

提出三種方法，透過合成資料、模型自生資料與演算法搜尋，突破語言模型對人類資料與設計的依賴，實現持續自我改進。

開發 Sketch2Topo，結合擴散式拓撲優化與手繪輸入，提升自訂化與美學平衡，降低使用者負擔。

系統性回顧顯示 HCI 框架多被提出但缺乏驗證與迭代，呼籲更嚴謹、累積的開發實踐。