教育科技研究速報

本文系統回顧了城市基礎模型（UFMs）的發展現況，提出了其定義、挑戰、分類框架，並探討了實現通用城市智能的未來方向。

本文提出分層自適應遷移學習(HATL)框架，透過動態解凍預訓練模型層，提升手語機器翻譯的效能，並解決數據稀缺與領域差距問題。

本文提出 Li-Net 架構，透過稀疏注意力機制捕捉多通道時間序列的線性及非線性依賴，提升預測準確性並降低計算負擔。

本研究提出 SCALe 方法，透過動態權重調整，改善視覺語言模型在思辨過程中的訓練，提升準確性並降低訓練時間。

本研究提出一種新的框架，透過利用概念間的相關性結構，自適應地加權各屬性概念，提升圖像生成模型在組合式生成上的表現。

本文提出 AS2 架構，透過軟化答案集規劃 (ASP) 的即時推論運算子，實現了端到端可微分的神經符號推理，消除了傳統符號推理中非微分的限制。

本研究探討聯合模型壓縮中，剪枝與量化等方法應用順序對模型效能的影響，並提出漸進式強度假說，揭示弱干擾應優先於強干擾的原則。

本文提出一種基於動態群集的創新方法，能有效提升密集人潮軌跡預測的效率，同時保持預測準確性。

本文提出一種雙步驟方法，透過反事實干預改善協作推薦系統中針對個別使用者產生的不公平現象，提升使用者參與度。

本文批判性地評估了 GT-BEHRT 模型，探討其在長期電子病歷預測中的效能提升是否源於真正的架構優勢，以及其評估方法是否支持其可靠性和臨床相關性。

本文提出 Flare 框架，在不使用人口統計資料的情況下，透過優化幾何，將演算法公平性與倫理原則對齊，提升模型效能與穩定性。

本研究提出 Infusion 框架，透過微調訓練資料，利用影響函數近似值系統性地塑造模型行為，並證明少量修改即可有效影響模型。