教育科技研究速報

本研究證實透過認知分類法與結構化提示詞，LLM 能有效輔助評分 Linux 指令作業，但複雜度越高準確度越低。

研究提出 SPLIT 基準測試，揭示 LLM 在處理低資源語言（烏克蘭文）的情感支持時，存在文化根植性不足與性能下降的問題。

本文推出首個針對 Word、Excel 與 PowerPoint 原生格式進行綜合理解力評估的公開基準測試 OCB。

本文綜述了全球 AI 法規趨勢、風險類型及評估方法論，並指出當前研究在風險管理上的缺口。

本文主張大學應從防禦性的 AI 檢測轉向積極的 AI 整合，透過重塑評量與提升 AI 素養來促進學生自主學習。

本文探討 AI 基準測試因模型性能飽和而面臨的信號衰減問題，並指出高品質評估依賴稀缺的專家判斷。

研究提出將 AI 監督從「對抗式辯論」轉向「協作式尋求真相」的新範式，顯著提升了非專家模型的判斷準確度。

本研究評估多種 LLM 在離散數學考試評分中的表現，發現採用「寬鬆型」提示詞能有效提升評分準確度。

本文提出一個評估 AI 代理人使用科學模擬工具能力的基準測試，揭示工具使用雖能提升準確度，卻也可能導致性能退化。

本文提出 MORPHEUS 框架，透過認知、情感與行為模型，系統化地整合並分析影響網路安全的人類因素。

本研究評估了三大頂尖 LLM 在 13 種細粒度情緒分類任務中的表現，發現模型在處理複雜情緒時存在顯著侷限。

提出一個結合專家指南與真實 AI 事故數據的評估框架，用以檢測生成式 AI 對兒童與青少年的安全性。