教育科技研究速報

提出 ItinBench 基準，將路徑優化與語言推理結合，評估 LLM 在多認知維度下的表現，發現其難以同時處理多任務。

本研究探討如何訓練大型語言模型（LLM）生成形式化的反例，以驗證數學命題的真偽，並填補了 AI 在數學推理中偏重證明而忽略反例發現的空缺。

本研究提出一種新方法，透過多回合過程獎勵強化學習，訓練多模式語言模型代理人分段生成向量圖，並提供可解釋、可控及局部編輯的功能。

本文提出超代理（hyperagents）的概念，透過可編輯的自我修改機制，實現更廣泛、更快速的自我提升，突破傳統方法在非程式設計領域的限制。

本文提出三種 SAT 編碼方式，在規劃問題中介於完全基礎化與完全提升化之間，透過部分基礎化謂詞，實現線性規模擴展，提升長規劃問題的效能。

本研究提出 GuardEval 基準數據集及 GemmaGuard 模型，旨在提升大型語言模型在辨識隱含偏見、仇恨言論及安全問題方面的能力。

本研究探討了將專家注視模式視覺化，以協助程式碼新手理解新程式碼庫的效果，並設計了 GazePrinter 工具。

SurfaceXR 結合頭戴裝置手部追蹤與智慧手錶IMU數據，提供更準確、舒適的表面互動方式，並提升XR環境中的輸入體驗。

本研究探討了在大型語言模型（LLM）上訓練「不可能物體」時，分析性與合成性微調對模型概念生成能力的影響。

本研究共同設計一款社交輔助機器人Maple，旨在透過教師引導，為加拿大新移民兒童提供個人化的英語和文化學習練習。

Adapt4Me 是一個基於貝氏主動學習的去中心化環境，能讓使用者無需專家指導，即可輕鬆個人化語音辨識模型。

本研究探討了生成式 AI 如何透過領域特定的引導，促進批判性思考，並強調設計決策對引導效果的影響。