教育科技研究速報

提出 DREAM 框架，透過結構化記憶圖譜提升大型語言模型在角色扮演中的時間一致性與因果推理能力。

提出一種模組化框架，透過發現潛在領域並訓練獨立的 LoRA 適配器，實現無需重新訓練全模型即可擴展新領域的能力。

提出一種讓大型語言模型參數與程序性支架圖譜共同演化的新範式，藉由技能訓練提升模型能力。

本研究透過變動嵌入模型、語料庫與評估者，揭示了 GraphRAG 在引用精準度上的結構性缺陷及其受語料性質影響的特性。

本研究提出一個數學框架，透過平均場近似將大型語言模型的思維鏈推理過程建模為線索圖上的引導式發現過程。

研究發現 AI 模型在不同存取方式與搜尋條件下表現不一，單一準確率指標不足以評估 AI 安全性。

研究發現 VR 與 MR-VPT 即使使用相同硬體，其引發的感知運動行為與適應模式仍存在顯著差異。

研究發現透過「技術資訊、效能分類與屬性解釋」三者結合的模式，能有效提升新手理解複雜產品資訊的能力。

開發出 OneEmo 模型，透過統一的多模態訓練與強化學習策略，實現情緒感知、理解與互動的整合能力。

開發了一套視覺分析系統，能從單鏡頭影片提取 3D 骨架，並透過 AI 提供可視化與自然語言的動作修正建議。

本文提出一種基於 Web 的模組化工作流，能同步整合眼動、腦電與互動數據，用於自然環境下的多模態閱讀研究。

本文提出一個生命週期框架，系統性地分類人機協作中跨領域的社會技術風險及其連鎖失效機制。