Discovery2026年5月29日
教育科技政策與學術誠信：AI與透明度的雙重挑戰
美國部分州與學區正加速制定 AI 使用指引，並推動教育科技透明化，以確保學生學習成效與隱私安全。 [2][1] 然而教師對 AI 工具的實際使用遠超正式指導，顯示政策落地仍面臨執行與監督挑戰。 [4][2]
edtechaiassessment
edtech policy and academic integrity5 個來源
教育科技研究速報
AI 自動彙整全球學術期刊與教育科技媒體，以繁體中文摘要呈現 SRL・PBL・EdTech 最新研究，讓台灣教師快速掌握前沿知識。
Discovery Engine
每日新聞統整發現
以多來源搜尋與引用式摘要，將分散新聞壓縮成可回溯的每日統整報導。
Discovery2026年5月29日
2026學習分析與AI教育科技趨勢報告
美國各州正加速推動學習分析與AI工具，但缺乏統一治理與教師培訓，導致實務落地面臨挑戰。[1][5] 同時，國際案例顯示透明度與隱私保護是關鍵，若能結合數據基礎設施與教學設計，將提升學生學習成效。[2][3]
edtechaiassessment
learning analytics5 個來源
Discovery2026年5月29日
教育科技新局：AI 工具普及化與教學引導缺失之挑戰
儘管 AI 工具已在美國教室中變得普遍，但多數教師在缺乏正式指導的情況下使用這些技術 [1]。同時，教育界也面臨著教學軟體品質爭議與 AI 帶來的學術誠信挑戰 [3]。
edtechaiassessment
teacher copilots5 個來源
HyperMem：長期對話的超圖記憶
提出超圖記憶架構，透過高階關聯與分層索引，提升長期對話的回憶準確度，LoCoMo基準上達92.73% LLM-as-a-judge準確率。
arXiv - Computation and Language
自我糾偏：大型語言模型的自我校正去偏方法
提出 Self-Debias 框架，透過自我校正與動態限制，讓 LLM 在推理過程中自動修正偏見，僅需 20k 標註樣本即可保持推理能力。
arXiv - Computation and Language
圖神經網絡在虛假資訊偵測中的效能與效率折衷
本研究證實傳統圖神經網絡在多語言虛假資訊偵測上，既能取得高 F1 分數，又保持較低推論時間，挑戰了複雜模型的必要性。
arXiv - Computation and Language
低資源法國OSCE的LLM資料生成與評估
利用LLM自動生成與評估法國OSCE對話，證明中等規模模型可達GPT-4o相近準確度，為低資源醫學教育提供可部署、隱私保護的評估系統。
arXiv - Computation and Language
利用範圍編碼實現高效可證明安全的語言隱寫技術
本文提出一種基於範圍編碼與旋轉機制的語言隱寫方法，實現100%熵利用率、零KL偏差且嵌入速度高達1554.66 bits/s，顯著優於現有基線。
arXiv - Computation and Language
保證知識整合：聯合解碼在檢索增強生成中的應用
提出 GuarantRAG 框架，通過分離推理與證據整合並使用聯合解碼，顯著提升 RAG 的準確率並降低幻覺。
arXiv - Computation and Language
Kathleen：無需分詞或注意力的振盪器字節級文本分類
提出Kathleen架構，直接以頻域處理原始UTF-8字節，無分詞、無注意力，僅733K參數即可在多個文本分類任務上達到高精度。
arXiv - Computation and Language
TSUBASA：透過演化記憶與自學提升長期個人化
提出 TSUBASA，結合動態記憶演化與自學蒸餾，提升LLM長期個人化效果，並突破品質-效率壁壘
arXiv - Computation and Language
將 (不)合理事件情境化以觸發隱喻語言
探討事件合理性與隱喻語言關聯，發現人類能精細辨識非字面與不合理事件，而大型語言模型偏向將不合理事件視為可解釋隱喻。
arXiv - Computation and Language
MemReader：從被動到主動的長期代理記憶提取
提出 MemReader 系列模型，透過主動決策與評估資訊價值，提升代理長期記憶的準確性與一致性，並在多項測試中達成最佳表現。
arXiv - Computation and Language
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。