教育科技研究速報

強調數據治理雖是 AI 準備的基礎，但大學 IT 領導者需掌握更多數據學科才能實現數據驅動的轉型。

提出 MACR 框架，透過多智能體推理機制主動解決大型語言模型內部知識與外部上下文之間的衝突。

提出 QMFOL 自動化框架，透過可控的邏輯複雜度生成測試案例，以精準評估大型語言模型的演繹推理能力。

本文探討如何透過強化學習克服傳統手寫遊戲 AI 的侷限，並提出一套符合遊戲開發需求的訓練框架。

提出 ScaffoldAgent 框架，透過動態優化報告大綱來提升開放式深度研究的連貫性與事實準確度。

本文探討自發目標 AI 如何透過目標生成與自我邊界的建構，重新定義智能主體的本質與存在。

提出 MATM 框架，透過共享儲存與檢索代理人生成的執行軌跡，實現群體層級的知識共享與經驗傳承。

提出 MetaResearcher 框架，透過動態環境、探索導向任務與自我反思獎勵機制，提升 AI 研究代理人的自主研究與資訊辨析能力。

本文透過統一框架評估了 24 種黑盒不確定性估計方法，發現混合型與基於答案空間比較的方法表現較佳。

提出 SEVRA 框架，透過選擇性驗證而非盲目增加推理，在降低運算成本的同時提升 AI 推理準確度。

本文提出 CombEval 框架，透過動態生成具備精確解答的組合計數問題，深入診斷大型語言模型在組合推理上的弱點。

本文研究如何透過優化排程器，將不同主題的問答請求分配給具備相應專業能力的知識工作者，以提升系統處理容量。