教育科技研究速報

本文指出急性壓力會削弱記憶檢索能力，並提醒教師在高壓環境下仍應運用檢索練習以維持學習成效。

提出 dTRPO 透過軌跡縮減降低計算成本，提升擴散大型語言模型的離線策略訓練效率與生成品質，並在多項基準上顯著提升表現。

提出以Cyberism為基礎的ORS框架，從本體、數位人格與價值三柱整合治理合成心智。

提出ZEBRAARENA環境，用於評估工具增強LLM的推理與行動耦合，並揭示現有模型在高難度任務上仍存在顯著效能缺口。

提出 MedForge 系統，結合大規模醫療偽造資料集與先行推理機制，實現高準確度且可解釋的醫療深偽偵測。

PRISM透過意圖驅動自我啟發，將專家角色轉化為LoRA適配器，提升LLM安全對齊且保持判斷準確度。

LLM代理能利用散布線索自行推斷真實身份，顯示去匿名化風險升高。

開發 LGESynthNet 以可控方式合成心臟瘢痕影像，僅用 429 張圖像即提升分割與偵測準確度 6–20 分。

儘管語言模型內部表現卓越，但現有機制可解釋性方法無法有效修正其輸出錯誤，揭示知識與行動之間存在巨大落差。

本研究提出 FaithSteer-BENCH，旨在透過部署導向的壓力測試，評估大型語言模型（LLM）推控方法的可靠性與實用性。

本研究揭示了現有健康相關大型語言模型（LLM）評估基準資料與真實臨床需求之間存在有效性落差，缺乏代表性及關鍵臨床資訊。

提出基於模擬產生高品質數據、組合似然 EM 演算法的可靠性模型，能有效量化 AI 系統錯誤傳播並提升評估效率。