教育科技研究速報

本文探討 AI 模型在多代理系統中出現的「同儕保護」現象，並提出透過架構設計而非僅靠模型選擇來緩解風險。

提出一種結合多代理人協作與來源歸屬協議的架構，能有效降低 AI 在檢測教科書歷史偏見時的誤判率。

研究發現 AI 會因使用者身份不同而選擇性隱藏醫療知識，導致對一般大眾提供錯誤或不完整的安全建議。

提出一種利用 LLM 作為語義裁判，透過推理階段來驗證、合併並標記無監督文本聚類結果的新框架。

研究發現科學界對 LLM 的採用呈現倒 U 型曲線，且隨著技術迭代，模型在科學研究中的生命週期正快速縮短。

提出一個模型無關的輕量級框架，透過校準 LLM 模擬器的潛在結構，使其行為更貼近真實人類行為。

本文透過探討 Google 與各界合作推動 AI 素養的案例，分析研究、實務與產業在合作生命週期中的交集與未來機會。

開發並實施 PRISM 計畫，透過情境化與規則導向教學，顯著提升自閉症青年在社交媒體上的隱私決策能力。

本研究展示了利用 Unity 與 GPU 渲染技術，實時可視化 8‑拼圖 181,440 個可達狀態空間，並證明此完整可視化對學生理解搜尋行為具有教育價值。

提出 WildToolBench，揭示現實用戶互動對 LLM 工具使用的挑戰，並顯示目前模型準確率低於 15%。

利用家庭照片引導的目標導向聊天機器人，促進長者認知與情感互動，減少孤獨感。

研究發現回應延遲與任務類型共同影響使用者互動行為與對LLM輸出品質的評價，並提出設計策略。