教育科技研究速報

開發出 OneEmo 模型，透過統一的多模態訓練與強化學習策略，實現情緒感知、理解與互動的整合能力。

本文提出一種基於 Web 的模組化工作流，能同步整合眼動、腦電與互動數據，用於自然環境下的多模態閱讀研究。

開發 AutoCue 系統，透過多模態 LLM 自動推論並視覺化教學影片中缺失的滑鼠與鍵盤操作，以降低學習者的認知負荷。

本文提出一個將空間參考分解為來源、錨點與框架的框架，並利用 LLM 實現多模態空間操控流程。

研究發現豐富的影片特徵不一定優於壓縮後的影像，在特定場景下，時間平均影像（TAIs）的表現與人類判斷更為一致。

本文整合心理機制、聲學信號與媒體技術，提供關於互動式溝通理論、測量方法及應用領域的跨學科綜述。

開發了一種基於多代理架構的 LLM 評分系統，能根據學習者特徵對教學影片進行可靠且具解釋性的評估。

本研究探討不同視力能力的科學家如何利用 AI 工具進行科學論文中視覺內容的問答互動與探索。

本研究探討將視覺語言模型（VLM）整合至 Pepper 機器人，以提升其在社交對話中理解環境與人類行為的能力。

開發出 S1-Omni 模型，透過統一表示與知識對齊，實現跨科學領域的數據理解、推理與生成任務。

提出 Perception-RFT 框架，透過直接對齊視覺特徵與定位輸出，在減少推理成本的同時提升多模態文件問答效能。

提出 CEDI 框架，透過自動化考官與模型進行多輪互動，更真實地檢測多模態大模型的幻覺問題。