教育科技研究速報

本文提出 Li-Net 架構，透過稀疏注意力機制捕捉多通道時間序列的線性及非線性依賴，提升預測準確性並降低計算負擔。

本研究提出一個視覺-文本交織的鏈式思考框架，並透過行動適用性策略優化，提升多模態大語言模型在幾何推理上的表現。

本研究提出 SCALe 方法，透過動態權重調整，改善視覺語言模型在思辨過程中的訓練，提升準確性並降低訓練時間。

提出以Cyberism為基礎的ORS框架，從本體、數位人格與價值三柱整合治理合成心智。

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 AFS-Search，結合閉環流動導向與平行回放搜尋，利用 VLM 進行即時評估，顯著提升 FLUX.1-dev 的文字到圖像生成質量與速度。

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。

本研究提出一種無參考式對話推薦模擬框架，透過訓練兩個獨立的大語言模型進行互動，以生成更真實、多樣的對話數據。

證明合理推理 AI 代理可零樣本達成近似納什均衡，且在未知報酬情境下仍保持穩定。

本研究提出一種新的框架，透過利用概念間的相關性結構，自適應地加權各屬性概念，提升圖像生成模型在組合式生成上的表現。

PRISM透過意圖驅動自我啟發，將專家角色轉化為LoRA適配器，提升LLM安全對齊且保持判斷準確度。

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。