教育科技研究速報

本研究探討酷兒藝術家如何因生成式 AI 的反關係性特質，對其侵蝕藝術社群與身份認同的行為進行抵抗。

研究發現透過改變模型「思考時」使用的語言，能有效提升模型輸出內容的多樣性與文化包容度。

透過整合 YOLO 視覺檢測與 ngspice 模擬驗證，大幅提升 LLM 解決複雜電路分析問題的準確度。

本文提出將推理視為人機協作的關係過程，透過「建築師之筆」方法建立結構化的反思循環與可審計的推理軌跡。

本文提出一套雙層架構，旨在透過穩定人機雙方的推理過程，解決大型語言模型流暢度與可靠性不一致的問題。

研究發現 TikTok 推薦系統難以區分用戶的求助意圖與痛苦表達，互動行為會導致心理健康內容大量充斥推薦頁面。

本文提出「分層可變性」框架，揭示自我修改代理人因局部合理更新累積而導致行為漂移的風險。

提出 CAMO 框架，透過自動化因果發現技術，解析 LLM 代理人模擬中從微觀互動到宏觀現象的因果機制。

提出表格表示的柏拉圖式假說，證明傳統序列化方法易受佈局變化影響，並設計置換不變編碼器提升檢索穩定性。

提出 A-R 空間以量化 LLM 代理的執行與拒絕行為，揭示不同規範體系與自動化設定下的行為分布，為組織部署提供決策依據。

提出計算驅動推理框架，將空間推理交給確定性計算，提升空間問答與機器學習競賽的準確性與可解釋性。

本研究透過開發以青少年為中心的 EMA 平台，探討其設計如何影響參與度、研究實務及研究中的權力動態。