教育科技研究速報

開發一種結合知識圖譜、LLM 與網路搜尋代理的混合式架構，提升事實查核的可解釋性與準確度。

提出一種多層次 AI 架構，將資訊失序分析從單純的事實查核轉向多維度的資訊環境結構化表徵。

提出 VeryTrace 框架，將自然語言推理過程轉化為結構化 DSL，實現零樣本的推理錯誤定位與自動修復。

研究證實少數維基百科編輯者的協同行動，能顯著且具體地影響大型語言模型在特定議題上的價值觀與表現。

本文探討如何利用 AI 將複雜意見轉化為互動式「意見景觀」，以取代二元對立的視覺化方式，進而減少政治極化。

提出 MACR 框架，透過多智能體推理機制主動解決大型語言模型內部知識與外部上下文之間的衝突。

提出 QMFOL 自動化框架，透過可控的邏輯複雜度生成測試案例，以精準評估大型語言模型的演繹推理能力。

提出 ScaffoldAgent 框架，透過動態優化報告大綱來提升開放式深度研究的連貫性與事實準確度。

提出 MATM 框架，透過共享儲存與檢索代理人生成的執行軌跡，實現群體層級的知識共享與經驗傳承。

提出 MetaResearcher 框架，透過動態環境、探索導向任務與自我反思獎勵機制，提升 AI 研究代理人的自主研究與資訊辨析能力。

提出 TOTEN 框架，利用工程實體本體論取代傳統統計分詞，以精準處理技術文本中的物理量與符號。

研究發現 LLM 在處理結構化臨床數據時，其口頭表達的信心與實際準確度無關，並提出利用跨模型歸因差異來提升可靠性。