教育科技研究速報

本研究開發並驗證了 GenAI-RTS 量表，用以精確測量學生對生成式 AI 的四種不同依賴類型。

提出一種黑箱測試方法，透過替換前提謂詞來驗證大型語言模型推理過程是否真正依賴其給定的前提。

本文提出一種擴展的流動排名框架，能將多個異質聲譽來源整合為統一的聲譽評分系統。

研究提出一種基於特徵（traits）的 LLM 微調框架，提升自動化論文評分在面對全新評分標準時的泛化能力。

本研究驗證了 AI 輔導代理在真實課堂的部署效果，並發現其跨課程擴展性在回答相關性上表現穩定，但在忠實度上隨課程差異而下降。

研究發現 AI 程式碼助手導致了程式碼語法結構的顯著同質化，但尚未影響開發者的解題邏輯與語義層面。

本文推出 LessonBench-V1 基準數據集，透過結合教育理論與高品質 STEM 教材，系統化評估 AI 生成教案的能力。

本文提出一個可擴展且受治理的 GenAI 評估框架，透過配置驅動的管線實現對零售對話系統的大規模多維度自動評估。

本文批判了當前 AI 開發中過度依賴預定義指標進行優化的文化，指出其無法區分「錯誤」與「創新」。

本文推出首個基於真實使用者回饋的 UXBench 基準，用於評估 AI 助手在對話生成與偏好對齊方面的使用者體驗。

本研究探討 VR 與桌面環境及即時回饋對社交智能測試（RMET）行為與生理指標的影響。

研究發現 44 個大型語言模型在面對開放式單詞提問時表現出極高的答案趨同性，且趨同程度隨模型版本與類型而異。