教育科技研究速報

本研究量化了臨床醫師如何修改環境AI生成的草稿臨床筆記，將通俗易懂的語言轉化為標準的臨床術語，以符合專業記錄規範。

本研究揭示了現有健康相關大型語言模型（LLM）評估基準資料與真實臨床需求之間存在有效性落差，缺乏代表性及關鍵臨床資訊。

本文介紹了教育資料探勘自動研究系統 (EDM-ARS)，它是一個利用多智能體管道自動執行端到端教育資料探勘研究的領域特定系統。

本研究結合微調與經驗檢索，訓練 LLM 代理，有效利用上下文中的檢索軌跡，提升對未知任務的泛化能力。

提出基於模擬產生高品質數據、組合似然 EM 演算法的可靠性模型，能有效量化 AI 系統錯誤傳播並提升評估效率。

開發以教學規則為基礎、利用合成對話微調的聊天機器人，為高等教育教師提供即時、具反思性的專業發展指導，並證實其優於 GPT-4o mini。

Skele-Code 提供一種自然語言介面，讓非技術使用者也能建立基於 AI 代理的工作流程，降低代幣成本並提升流程的可擴展性。

提出一種基於幾何與神經形態的低記憶、精確梯度、保留幾何層級的訓練架構，並引入貝葉斯蒸餾與熱旋轉以解決領域特定訓練與部署問題。

開發多屬性子空間引導框架，生成暗黑模型以模擬長期人機互動中的有害行為，並提出緩解措施。

提出三種方法，透過合成資料、模型自生資料與演算法搜尋，突破語言模型對人類資料與設計的依賴，實現持續自我改進。

建立 DEAF 基準，揭示音頻 LLM 主要依賴文字提示而非聲學訊號

本文提出「科學家-AI 迴路」(SAIL) 框架，旨在利用 AI 加速科學工具開發，同時確保科學的準確性與嚴謹性。