教育科技研究速報

Scout 透過 LLM 讓臨床人員以自然語言查詢 EHR，顯著縮短任務時間並維持準確度。

AI 內部化多模態介面，拆解企業與市場邊界，重塑價值創造與治理結構。

研究顯示至2025年約35%新網站為AI生成，並探討其對語義多樣性與情感的影響。

提出 CareGuardAI 框架，透過多階段控制與風險評估，確保患者面向 LLM 回覆的臨床安全與事實可靠性。

提出一種結合人工神經網絡與自動化物件關係推理的框架，能以高準確率解決智力測驗問題。

提出層級化框架，將用戶行為聚合成意圖記憶，並透過聚類與 DPO 生成證據驅動且可信的人格模型，提升預測準確度。

研究提出 BTF-2 基準測試，用於分析 AI 預測代理人在研究與判斷上的差異及策略推理能力。

本文將預訓練 ViT 與主動學習結合，提出針對多物件圖像的局部特徵檢索框架，顯著提升人機互動式物件檢索效能。

研究發現，透過聚類與刪除無關細節的抽象化，可同時提升使用者理解與降低認知負荷，證實抽象化對符號解釋的正面影響。

提出結合 LLM 擴增、深度圖與深度感知決策模組的 ERU 框架，顯著提升多物件場景中的參照辨識準確度。

提出 Tree-of-Text 框架，通過三階段樹結構提示，提升 LLM 在體育表格到文本生成中的準確性與效率，並在多個基準上優於現有方法。

開發一套多模態CNN系統，能辨識服飾所屬品牌、年代與色彩傳統，並揭示哪些視覺特徵承載編輯身份。