教育科技研究速報

研究顯示，截斷學生練習序列會大幅擴大學習速率變異，挑戰先前「驚人規律」的結論。

提出基於 FLOPs 的框架，估算 Hugging Face 開源模型訓練碳排放，發現熱門模型已產生約 5.8×10^4 公噸碳排放，並提供可擴展的碳會計方法。

本文概述數位民主軟體在大規模民主討論中必備的核心功能，並將其對應的計算挑戰編成結構化問題清單，定位於現有電腦科學與人工智慧研究領域。

提出基於多代理LLM的個人化內容審核框架，提升32%準確度，兼顧用戶敏感度與平台治理。

本文首次量化整個模型開發流程（含後期訓練）的能源、碳排放與水耗，顯示後期訓練成本遠高於預訓練，並呼籲完整報告以降低 AI 環境足跡。

研究發現不同開發商的 LLM 存在高度相關的預測誤差，形成「認識單一文化」，但尚未顯著改變人類的偏見模式。

本文以 150,000+ 職缺資料量化生成式 AI 在職場需求與技能變化，顯示 2021 後 AI 技能急升、例行工作下降，預測 2025 年 AI 與人類專業融合成新就業基礎。

提出LLM驅動的不確定性評估框架，提升危機報告的可信度與資訊優先排序

本文透過文獻回顧，分析使用者與 LLM 在程式開發中的互動行為、優劣勢及影響表現的關鍵因素。

開發一種結合第一人稱影片與 RAG 技術的 AI 助手，將非正式的實驗操作經驗數位化，以提升實驗室安全性與指導品質。

本研究透過訪談定義了生成式社交機器人在高等教育中，為實現負責任且有效的教學所需的知識設計需求。

本研究探討透過人類協作或軟體代理自動化，來協助上肢障礙者進行高難度動作的遊戲互動。