教育科技研究速報

提出一套基於差異項功能分析的統計方法，能辨識人類與大型語言模型在評量題目上系統性差異，協助設計更抗AI作弊的考題。

本研究提出兩種增強實境視覺化設計，分別針對鼓組與吉他，並透過案例研究證實其有效性與揭示設計與技術限制。

即使在 AI 政策問答中，提升檢索性能並不一定帶來更準確答案，因為更強檢索可能導致在缺乏相關文件時產生更自信的幻覺。

提出將代理記憶與可驗證計算證據結合，創建可交易市場，提升資源重用與效率。

提出嵌入式語義對齊方法，量化真實數學教學對話中的支架動態，揭示角色時間模式與學習進展關聯。

本研究探討了 AI 作為評估助手，透過提取結構化品質指標並與專家判斷對齊，以提升中國幼兒園教育評估的可及性與效率。

本文首次以大規模資料集系統化分析Telegram機器人功能、分類與社群特徵，揭示其正面應用與潛在惡意用途。

這篇文章揭示了生成式 AI 在法律領域的潛在風險，即捏造真實存在的案例、法規和判決，並探討了其對法律專業人士和司法程序的影響。

本研究提出 BeliefShift，一個針對多回合對話中大型語言模型（LLM）信念動態的基準測試，探討模型在長期互動中處理信念一致性、矛盾檢測和證據驅動修正的能力。

提出建造者飽和效應模型，說明AI低成本生產導致注意力稀缺，產生競爭加劇與寡頭化。

本文揭示大型語言模型在邏輯推理中需透過情境驅動的流形扭曲，並證明此幾何演化對模型性能具有因果關聯。

Berta 以低成本、開源方式實現 AI 醫療記錄，並在阿爾伯塔省醫療系統成功部署，顯示可擴展性與數據自治優勢。