教育科技研究速報

研究發現透過改變模型「思考時」使用的語言，能有效提升模型輸出內容的多樣性與文化包容度。

提出表格表示的柏拉圖式假說，證明傳統序列化方法易受佈局變化影響，並設計置換不變編碼器提升檢索穩定性。

利用大型語言模型設計並實驗一套術後胃腸癌病患遠程監測系統，證實參與式設計與負責任 AI 能提升臨床與病患互動效率。

提出三層認知架構，將規劃、推理、執行分離，顯著降低延遲與能耗，證明認知拆解是 AI 系統效能提升關鍵。

提出物理感知脈衝神經網絡，實現低功耗IMU活動識別，達成98%能耗下降

研究證實，約一半以上的短問題可在 60 秒內得到專家協助，並提出設計即時人對人幫助工具的啟示。

大型新聞出版商透過封鎖 LLM、提升內容深度與創造新職缺，對生成式 AI 競爭做出策略性調整，並證實其對流量與工作市場的影響。

研究發現將決策門檻調至58-59%可使投票權與配額差距最小化。

利用空間異質模式選擇模型評估IBX對時間節省、乘客量、低收入戶受益及碳排放減少的影響。

開發並評估一套使用深度學習的阿姆哈拉語FAQ聊天機器人，達到91.55%準確率並成功部署於Facebook Messenger。

結合代理模擬與深度強化學習，探索有效減緩假新聞傳播的策略。

本文透過審核三種主流生成式 AI，揭示其在處理烏克蘭二戰大屠殺高風險記憶時的幻覺與道德化不一致，並討論對未來記憶實踐的影響。