教育科技研究速報

提出 SAFE 框架，透過知識圖譜驗證與原子化錯誤分類，提升大型語言模型多跳推理的準確性與可驗證性。

本研究透過自動化三步驟流程，評估並修正了 EU20 多語言基準測試集的翻譯品質與結構完整性。

研究發現大型語言模型在面對間接特徵線索時，其隱性偏見程度遠高於顯性身份標示下的偏見。

本文提出一種高準確度的閱讀障礙錯誤歸因模型，並強調在教育應用中必須建立嚴謹的倫理框架。

提出 DEFT 框架，透過數據過濾與分佈引導機制，提升大型語言模型對齊效率並兼顧泛化能力。

提出一種基於指令微調與離散控制標記的框架，使開源模型能精準控制文本的易讀性與壓縮率。

提出一個利用最新 arXiv 論文構建、具備抗污染能力且能評估研究級數學推理能力的動態基準測試。

本文提出 LLM 代理人記憶機制的統一框架，透過基準測試比較現有方法，並開發出超越現有技術的新型記憶方法。

提出 PRCCF 框架，透過性格引導檢索與因果認知過濾技術，提升情緒支持對話的理解與回應品質。

研究揭示現有的主張驗證基準主要測試檢索與蘊含能力，而非複雜的推理、綜合與數值分析能力。

研究揭示 LLM 在面對語義相同但形式改變的數學問題時極其脆弱，並提出一套診斷框架與失敗分類法。

本研究透過對印尼 349 名 K-12 教師的調查，揭示了 AI 在教學準備中的應用現況、落差及面臨的挑戰。