教育科技研究速報

本文主張將學習理論融入可解釋人工智慧的全流程，提出以學習者為中心的設計與評估框架，並探討其對提升人類能動性與降低風險的貢獻。

提出視覺回饋多代理系統 VF-Coder，並透過 InteractGUI Bench 量化提升 LLM 在 GUI 程式碼生成與除錯的成功率與視覺評分。

本文闡述設計英國氣候共益資料集的過程，並提出五大驅動力，為未來可視化資料集設計提供概念框架。

Autark 提供一個輕量級的無伺服器架構，讓研究者能在數小時內從設計意圖快速構建並部署可分享的城市視覺分析原型，並證明其對 LLM 編碼效能的提升。

研究發現，當控制想法闡述後，LLM的自我偏好消失，與人類評分更一致。

本文證明大型語言模型能夠推算氣味描述符的相似度，並以此生成與人類評估相符的氣味地圖。

開發 AktivTalk 系統將臨床談話測試數位化，並透過輕量化神經網路實現高達 90% 的運動強度自動分類準確率。

提出 AgentLens 系統，透過自適應的三種視覺模態解決行動代理人在執行任務時的透明度與多工處理衝突。

提出基於高斯過程的不確定性感知偏好學習系統，能在40輪比較中快速學習個別震動偏好，實驗證明其低負荷且可擴展。

提出一套能隨文化趨勢演變、結合文字、影像、音訊的多模態資料集，協助即時偵測短影片中的促進飲食失調訊息。

Pista 讓使用者能即時監控並介入 AI 代理在電子表格中的決策，提升任務成效與使用者理解。

提出 Semantic Prompting 框架，透過空間語義互動精準調整 LLM 生成敘事，提升人機意圖對齊與增量式敘事精煉。