教育科技研究速報

本論文集收錄了2026年在新加坡 AAAI 舉辦的第二屆心智理論與人工智慧研討會的論文，旨在提供一個公開且精選的資源。

本文介紹了 Memento-Skills，一種能夠自主構建、適應和改進特定任務代理的通用且持續學習的 LLM 代理系統。

MemMA 是一個多智能體框架，透過協調記憶的建構、檢索與利用，提升大型語言模型在長期互動中的效能，並實現記憶的自我修正。

提出 D-Mem 雙重記憶系統，結合向量檢索與深思，透過多維質量門控平衡效率與準確，提升長期推理。

提出ZEBRAARENA環境，用於評估工具增強LLM的推理與行動耦合，並揭示現有模型在高難度任務上仍存在顯著效能缺口。

提出 MedForge 系統，結合大規模醫療偽造資料集與先行推理機制，實現高準確度且可解釋的醫療深偽偵測。

提出 NeSyCR 框架，利用神經符號反事實推理將視訊示範轉化為可執行程式碼，並在跨域環境中提升 31% 任務成功率。

本研究展示了如何透過分析文本中的時間共現模式，發現不同於語義內容的轉移結構概念，並建立一個多解析度的概念地圖。

LLM代理能利用散布線索自行推斷真實身份，顯示去匿名化風險升高。

開發 LGESynthNet 以可控方式合成心臟瘢痕影像，僅用 429 張圖像即提升分割與偵測準確度 6–20 分。

儘管語言模型內部表現卓越，但現有機制可解釋性方法無法有效修正其輸出錯誤，揭示知識與行動之間存在巨大落差。

本文將微分方程式作為理論基礎，系統性闡述其在深度神經網路架構、性能提升與實務應用中的作用。