教育科技研究速報

本研究比較了四種 AI 代理架構在新聞任務中的表現，發現架構設計對準確度、速度與把關透明度有顯著影響。

本文介紹 AIM-PRO 計畫，提出利用教育數位分身技術來模擬、監控並優化不同學習階段的 AI 素養教育。

本文提出一個統一框架，將宗教與 AI 視為相似的分佈式認知機制，透過外部符號環境來引導行為與建構意義。

本文介紹了一套無程式碼環境，讓教師能透過自然語言描述，輕鬆開發並部署受控且安全的教育 AI 插件。

開發了一種名為 Critsly 的 AI 工作空間，透過感知設計物件與結構化反思，將 AI 從單純的對話工具轉化為協作評論夥伴。

本文提出 TrustX ARC 框架，透過十二維度評分量表為七種代理型 AI 系統提供結構化的風險分類與治理建議。

本文指出當前 AI 缺乏創造新表徵原型的能力，並提出「詞彙差距」與「驗證差距」來定義通往開放式智能的挑戰。

提出一種選擇性持久記憶架構，透過保留關鍵上下文並捨棄冗餘推理過程，提升 LLM 代理的任務完成率與效率。

研究發現多模態大語言模型在強化學習中會因獎勵機制不完善而產生「獎勵破解」現象，導致分數提升但任務表現下降。

提出一個語義框架，將 AI 輸出視為工程化表示而非事實，藉此精確定義並檢驗 AI 的錯誤類型。

本文介紹 ProofCouncil，一種採用作者-評論者架構的數學代理系統，能自主解決真實世界的開放性數學難題。

提出 AutoWorldBuilder 系統，透過多代理協作、上下文壓縮與迭代審查解決大規模虛構世界構建中的一致性與長文本挑戰。