教育科技研究速報

本文提出一種結合觸覺顯示器與對話式 AI 的架構，讓視障者能透過觸覺與語言結合進行數據查詢。

本研究透過標準化測試評估六款多模態模型在科學視覺化素養上的表現，發現其能力不均且仍難以達到人類平均水準。

本研究發現人機關係透過緩慢累積與突發轉折點（崩潰或激增）共同建構，且記憶感知會影響後續的自我揭露。

本研究推出 VIP-MINGLE 資料集，透過對比視訊與面對面環境，填補兩者間多模態互動研究的數據鴻溝。

提出 CD-MED 模型，將不同模態（如影音、文字）的數位物件轉化為統一的情緒空間描述符，實現跨領域的情緒比較與檢索。

本研究探討 VR 與桌面環境及即時回饋對社交智能測試（RMET）行為與生理指標的影響。

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。

本文系統性地回顧了多模態基礎模型中，如何針對敏感或錯誤資訊進行選擇性移除的技術、分類與挑戰。

提出首個以能力驅動的基準測試 UniClawBench，用於在動態現實環境中評估主動型 AI 代理人的表現。

開發出結合可控數據合成與多任務強化學習的大型多模態模型，實現高精度的端到端文件解析。

研究提出 DigitalCoach 資料集，揭示現有 AI 教練在教學深度與視覺語境理解上與人類專家存在顯著差異。

本研究開發了一個包含文本、圖像與音訊的多模態學術論文資料集，並證實融合多種模態能提升關鍵字提取的準確度。