教育科技研究速報

研究顯示至2025年約35%新網站為AI生成，並探討其對語義多樣性與情感的影響。

提出一種結合可解釋AI與20Q遊戲的互動式推薦系統，能在最少提問下為網路安全教育提供最佳建議並說明理由。

提出 DeepTutor 框架，結合靜態知識與動態記憶，實現個性化教學與代理互動，並以 TutorBench 進行評估。

提出 CareGuardAI 框架，透過多階段控制與風險評估，確保患者面向 LLM 回覆的臨床安全與事實可靠性。

提出以道德情緒調節為核心的五階段EEFS框架，並提供評估工具。

多模態大型語言模型生成的科學圖畫回饋常因模態脫耦缺乏視覺根據，約41%含錯誤，且即使看似根據也缺乏診斷價值。

提出一套政策驅動的LLM路由系統，提升工程實驗室的教學挑戰度與成本效益。

研究發現增加推理強度能顯著提升 LLM 自動評分的準確度，但增加模型集成數量對效果提升有限。

提出一種結合人工神經網絡與自動化物件關係推理的框架，能以高準確率解決智力測驗問題。

DreamProver 透過醒睡循環自動生成可轉移的引理庫，顯著提升自動定理證明成功率與證明簡潔度。

提出層級化框架，將用戶行為聚合成意圖記憶，並透過聚類與 DPO 生成證據驅動且可信的人格模型，提升預測準確度。

研究在實際資本環境下，語言模型代理的可靠性如何透過操作層控制提升。