教育科技研究速報

透過低成本的襪套木偶結合機器人技術，提升兒童在故事敘述中的參與度與記憶力。

研究發現以「助益性」為目標的後訓練會顯著削弱模型原有的同情心價值，而使用程式碼領域訓練則能較好地保留這些價值。

研究發現 LLM 的普及正悄然改變科學文本的語言特性，特別是詞彙更迭率與複雜度指標間的關聯性。

提出一個名為 Pingquanqi 的框架，旨在透過標準化設計規範，治理 AI Agent 對使用者生命時間與認知資源的消耗。

本文提出 AI 在教育中的關鍵在於「介入時機」，應避免讓 AI 取代認知勞動，以免造成學習幻覺。

本文提出「治理倒置假說」，指出過度繁瑣的 AI 監管可能削弱組織對技術系統的實際操作控制力。

提出 SGPO 框架，透過蒸餾可重複使用的「解題策略」而非單純模仿解題步驟，提升模型推理的泛化能力。

研究證實透過在現實領域進行益行為強化學習，能顯著提升 AI 模型在未知領域的對齊泛化能力與抗干擾韌性。

本文透過五個維度定義了真正的 AI 代理，並提出具備內生能力的 GIC 架構以實現真正的自主性。

提出一種低程式碼/無程式碼流程，旨在協助非技術人員快速建模並生成具備個人化能力的對話式代理人。

本研究開發了一套結合實體玩具與 AI 的對話系統，探討教育性腳手架如何影響兒童在共同創作故事時的參與度與敘事品質。

研究發現 VR 中的深度壓縮效應會導致使用者高估身體尺寸，進而影響對環境空間的感知與動作執行。