教育科技研究速報

本研究探討大型語言模型（LLM）在數學創造力方面的潛力，並發現其能生成專家未知的、具有獨特研究價值的微分幾何研究問題。

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。

本論文集收錄了2026年在新加坡 AAAI 舉辦的第二屆心智理論與人工智慧研討會的論文，旨在提供一個公開且精選的資源。

本研究提出一種「多樣化遺忘」框架，透過使用多種提示詞而非單一關鍵字來更精準地從文本到圖像模型中移除不良概念，提升遺忘的準確性和魯棒性。

本文提出神經遊戲變換器（NGT），透過博弈論和統計物理，重新概念化注意力機制，提升模型捕捉高階依賴的能力。

本文介紹了 Memento-Skills，一種能夠自主構建、適應和改進特定任務代理的通用且持續學習的 LLM 代理系統。

本研究探討了大型語言模型（LLM）在不同方言輸入下產生的刻板印象，並評估了提示工程和多智能體架構等緩解策略。

MemMA 是一個多智能體框架，透過協調記憶的建構、檢索與利用，提升大型語言模型在長期互動中的效能，並實現記憶的自我修正。

本文提出 Li-Net 架構，透過稀疏注意力機制捕捉多通道時間序列的線性及非線性依賴，提升預測準確性並降低計算負擔。

本研究提出一個視覺-文本交織的鏈式思考框架，並透過行動適用性策略優化，提升多模態大語言模型在幾何推理上的表現。

本研究提出 SCALe 方法，透過動態權重調整，改善視覺語言模型在思辨過程中的訓練，提升準確性並降低訓練時間。

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。