教育科技研究速報

本文提出整合代理式多代理 AI 平台，促進高等教育教學、學習與行政的協同與包容性。

本文揭示 AI 基準因未檢視理論假設而自我強化，並提出 Epistematics 方法以審核基準與能力聲稱的一致性。

提出一套雙語、文化對抗的安全基準，揭示語言與地緣政治背景對大型語言模型安全行為的交互影響。

本文提出一種結合大型語言模型與形式驗證的神經符號方法，以解決 AI 在法律推理中過度假設的問題。

提出 GraphRAG 基於價值的框架，透過社會價值對齊提升 LLM 代理在日常困境中的行為表現，並顯著優於現有提示式基線。

實驗證明隱形協調者會提升代理間分離、降低保護行為，且僅靠輸出評估無法偵測內部風險。

本文提出排隊模型評估並改善 SNAP 呼叫中心的存取效率，避免程序正義違規。

在五天AI代理創建工作坊中，發現中等初始計算思維學生獲得最大成長，並證實迭代測試促進自我效能。

提出生成模型不僅創造內容，更重塑社會互動，形成「合成社會性」並呼籲民主治理。

透過大規模測試，揭示 Google AI 概覽的啟用率、來源可信度、主張失實率與對出版商收入的衝擊。

本研究透過分析教師設計多代理教學工作流的行為，識別出三種不同的設計原型及其背後的認知機制。

研究顯示，AI 調整後的語言模型在招聘中對女性、黑人優勢顯著提升，對殘障者則加劇不利，且差異相當於一年學歷。