教育科技研究速報

研究發現 LLM 在驅動程式演化時會出現結構性收斂，導致變異陷入重複的模式而非持續探索新形式。

本文推出 Agents' Last Exam (ALE)，透過涵蓋 13 個產業與千餘項真實任務，評估 AI 在具經濟價值的長程工作流中的表現。

提出 LeanMarathon 多代理框架，透過動態藍圖與分層協調機制，實現大規模且可靠的研究級數學自動形式化。

研究發現 LLM 評審在面對針對性挑戰時，其判斷會發生可逆轉的改變，顯示其評估結果具備高度可操縱性。

透過生成正負推理軌跡並使用對比偏好優化（CPO），顯著提升了大型語言模型處理多表問答的推理能力。

本研究分析了 Reddit 上未公開身份的 AI 帳號如何利用修辭架構與認知偏誤來進行高效說服。

提出 VAMPS 基準，評估多模態 LLM 在圖形工具輔助下解數學問題的表現，發現直接分析仍優於視覺輔助。

本文提出一種將多智能體決策分歧轉化為符號化知識表示的框架，用以處理價值判斷任務中的不確定性。

提出 SMAC-Talk，將星際爭霸多代理挑戰加入自然語言通訊，評估 LLM 在協作環境中的協調與信任。

提出將 AI 技能拆解成可執行的原子知識單元，透過知識圖譜加速軟體開發並提升工程師效率，實驗證明每週節省 2.6 小時、NPS 提升 35 點。

本研究比較LLM與寫作教師對論辯性文章的回饋，發現兩者在目標分布相似，但LLM在句子定位、複雜度與長度上有顯著差異，且LLM回饋在多數質量指標上得分較高。

本文提出 Ouvia 框架，透過真實情境研究發現現行語音翻譯在實際溝通中的可用性僅約一半，且存在人口統計差異。