教育科技研究速報

開發 UISTful 系統，將學術閱讀行為轉化為集體的知識肖像，強調閱讀是一種具備創造性與作者性的過程。

研究發現透過異質性多代理人協作框架，能顯著提升 AI 在科學與數學領域的推理準確度與可靠性。

提出 SPL 語言，將 LLM 的機率性生成與符號工具的確定性計算統一於單一規範中。

提出 WebSwarm 框架，透過遞迴式任務分解與代理協作，解決 LLM 搜尋代理在深度與廣度搜尋上的侷限。

本文主張 AI 數學系統應從僅能解決定義明確問題的「解題工具」，轉型為能處理前沿研究挑戰的「研究代理人」。

提出 CPP 框架透過將命題具體化，解決 LLM 在邏輯推理與事實知識應用間的失衡問題。

本文透過雙視角框架連結臨床實務與計算方法，評估醫療 LLM 在不同推理層級的表現與挑戰。

本文提出「對抗性社會認識論」框架，用以分析並應對人類與 AI 互動中，利用信任機制進行資訊操弄的複雜現象。

本文提出「脈絡存取鴻溝」概念，指出 AI 能否自主檢索用戶知識庫，是決定 AI 工具效能與不平等的核心維度。

開發了一套基於構圖圖譜的視覺分析系統 CompoVista，協助藝術史學家進行大規模傳統中國繪畫的構圖模式探索與驗證。

研究證實科學知識的獲取受種族與機構背景影響，非正式管道的門檻加劇了全球南北方的學術不平等。

本文分析大規模文獻發現機器學習正將科學研究從強調解釋性的「推論」轉向強調精準度的「預測」。