教育科技研究速報

本文提出透過「生成式拒絕」策略，讓 AI 從代筆者轉變為引導思考的夥伴，以保護人類的認知過程。

本研究透過訪談探討醫療 AI 開發中，不同專業背景利害關係人如何應對跨領域知識共享的挑戰與張力。

提出一種基於 LLM 維護的 Wiki 模板，透過記錄失敗路徑來優化人類與 AI 代理人的協作知識工作。

開發出包含 24,795 條指令對的多語言數據集，旨在提升語言模型在印度知識體系（IKS）領域的教學能力。

研究發現不同醫療機構的教育文件存在顯著差異，且在弱勢群體關注的議題上資訊缺失嚴重，影響 AI 輔助醫療的可靠性。

本文提出一種透過互動式界面操控擴散模型內部結構的方法，讓藝術家能透過實作經驗建立對 AI 模型運作的直覺理解。

研究發現大型語言模型的知識立場並非穩定屬性，而是受部署配置、系統提示與隱形更新影響的變動結果。

研究發現單一模型透過調整溫度產生的變異僅能估計單題不確定性，無法像模型集成那樣揭示問題間的結構性知識缺失。

提出 Thinkink 系統，讓使用者能透過手寫文字與繪圖與 LLM 在共享的 2D 畫布上進行空間化的協作構思。

本文提出「提升表示假設」，探討大型語言模型如何透過共享潛在結構而非單一事實來更新記憶。

提出 ProGraph 架構與 MemHop 基準測試，透過敘事擴展與壓縮殘差提升 LLM 代理的多跳記憶與精準召回能力。

本研究揭示 LLM 在辨別資訊來源可靠性與真偽方面存在顯著缺陷，且模型規模無法解決此問題。