教育科技研究速報

提出一種基於依賴圖的執行期驗證器，透過符號引擎確保大型語言模型對話的邏輯一致性與前提正確性。

研究揭示 AI 模型開發者利用選擇性基準測試進行市場定位，而非進行標準化的科學評估。

研究證明透過驗證器支持的代理委員會機制，能讓弱推理模型透過多次採樣與選擇，達到強大模型的性能。

研究發現增加代理系統的編排複雜度並不一定能提升任務成功率，反而會增加運作噪音與成本。

提出 MSIFR 框架，透過在生成過程中途偵測並終止低品質樣本，大幅降低 LLM 合成數據的 Token 消耗。

本文推出首個大規模研究生級數學自動形式化基準測試 MathAtlas，包含五萬多個數學實體與依賴關係圖。

提出一種模態感知信用分配機制，透過區分感知錯誤與邏輯錯誤，提升視覺語言模型的協同效能。

研究發現 LLM 在判斷需要工具與實際執行工具調用之間存在顯著落差，即「知行差距」。

提出一種透過「一元關係整合碼」進行數據預處理的新方法，以提升大型語言模型的邏輯推理效率與可靠性。

本文提出一種基於層論（Sheaf Theory）的框架，用於檢測 AI 代理人在面對新數據時，應進行現有理論的調整還是必須擴展其表徵語言。

本文推出 PolitNuggets 基準測試，評估 AI 代理在分散來源中發現並合成長尾政治事實的能力。

提出 Preping 框架，透過提案者引導的合成練習，讓 AI 代理人在接觸實際任務前即可建立程序性記憶。