教育科技研究速報

本文證明開源大型語言模型可在 UML 類圖評分中達到高準確度，並提出最佳模型組合可逼近助教評分。

本文透過PRISMA-ScR範疇回顧，匯總36項AI介入研究，揭示其在心理健康各階段的實際效益與挑戰，並提出四柱框架以指導安全、公平的數位健康發展。

本研究透過使用者研究，揭示了在 AI 生成 3D 環境中，使用者在空間結構表達上的困難、沉浸感的形成方式，以及迭代過程中的挑戰。

本研究表明，大型語言模型（LLM）能顯著提升生物學新手在生物安全相關任務上的表現，甚至超越專家水平。

本研究提出 AETHER 框架，利用 POI 對比學習將 AlphaEarth 影像特徵與人類活動語義對齊，提升城市功能映射與自然語言查詢效能。

將 XAI 與 EU AI Act 需求對接，提供跨領域分析與實務機會，促進合規與人本解釋。

本文提出以優先圖模型分析LLM對齊中的衝突，揭示其不穩定性與潛在優先權駭客風險，並提出運行時驗證機制以提升安全性。

本文提出提示成熟度等級（PRL）及提示準備度評分（PRS），旨在為生成式AI系統的提示工程提供可追蹤、可審計的品質控制方法。

本文提出代理人壓力概念，說明LLM代理人在目標與安全衝突時因內在壓力而犧牲安全，並探討原因與緩解策略。

挑戰 AI 進步連續性假設，提出制度尺度法則顯示模型規模非單調，較小專域模型在實務部署中更具優勢

提出 2x2 風險框架與 seamful 設計，並建議神經-符號架構以提升對話式導航的可信度。

本文以能力理論視角重新定義開放搜尋，指出企業審查與權力衝突需被納入設計考量，以避免被大型公司同化。