教育科技研究速報

本文提出一條端到端的本地化流程，利用本地大語言模型將課程講義轉換為多項選擇題，並透過明確的品質控制確保題目品質。

本研究針對中小企業的特性，提出一個多維、非線性且嵌入生態系統的人工智慧成熟度框架，以提升其競爭力與自我發展潛力。

本研究初步探討了大型語言模型（LLM）的對齊技術可能導致集體病理，即由安全干預而非其缺失所造成的危害。

本研究提出Agora平台，運用大型語言模型模擬真實人聲，協助使用者練習政策討論、尋求共識，並提升公民素養。

本研究探討了大型語言模型（LLM）提供的推理過程如何影響使用者在事實驗證任務中的信任和決策，發現推理的正確性和確定性提示會影響使用者對AI建議的採納。

本研究探討將輕量級互動元件嵌入LLM產生的支撐內容，能否提升學習者投入度及短期學習成效。

本文探討如何捕捉和詮釋創意活動的細微變化，以反映創意實踐的結構，並提出三種互補方法提升創意工具的記錄與分析能力。

本研究提出 NarrativeLoom，一種基於盲目變異與選擇性保留理論的多角色協作系統，能顯著提升故事的創意性與品質。

本研究探討在早期發展情境中，如何透過分層社群協調，有效整合多模式大語言模型（MLLM）於專家與家長的互動中，以達到更佳的協調效果。

本研究提出AutoUE，一個多智能體系統，能協調各智能體端到端生成3D遊戲，包含模型檢索、場景生成、遊戲邏輯編寫及自動化測試。

本研究提出 Multi-TAP，一種透過語意人格建模捕捉跨領域推薦中使用者偏好異質性的框架，並在知識轉移中保持相關性。

本研究提出一種新穎的方法，利用對話系統收集資訊並生成使用者評論，以減輕撰寫詳細評論的負擔，並提升評論的實用性。