教育科技研究速報

提出 WebSwarm 框架，透過遞迴式任務分解與代理協作，解決 LLM 搜尋代理在深度與廣度搜尋上的侷限。

本研究探討使用大型語言模型作為評審時，更換模型版本會導致評分結果不一致的測量效度問題。

研究發現 LLM 的答案信心與問題可回答性是兩個獨立維度，並提出結合隱藏狀態探測的雙軸校準策略。

研究發現透過探測模型內部激活值，能比思維鏈（CoT）更準確地判斷模型預測的校準度與推理忠實度。

提出 GRAPHEVAL 框架，透過圖形結構評估 LLM 推理過程的邏輯忠實度，而非僅看最終答案。

提出 HSP 框架，透過生成器與檢測器的自我博弈演化，在無外部監督下提升小模型檢測幻覺的能力。

本研究驗證了 Gemini 系列大型音訊語言模型（LALM）作為全雙工語音對話評分員的可靠性與潛力。

研究發現透過預處理緩解模型刻板印象時，會導致其他人口統計類別出現意料之外的刻板印象或反向刻板印象。

提出一種人機協作框架來構建西班牙語刻板印象數據集 EspanStereo，以識別跨國界的文化偏見。

本文提出以 Barenholtz 的自動生成理論來補足 Harris 整合語言學在結構機制、符號連續性與檔案理論上的解釋缺口。

提出一個可驗證的環境與自我蒸餾框架，讓 AI 代理能透過自主經驗進行自我演化與強化。

本文主張 AI 數學系統應從僅能解決定義明確問題的「解題工具」，轉型為能處理前沿研究挑戰的「研究代理人」。