教育科技研究速報

本文提出 AlignMamba-2，一種利用雙重對齊策略和模態感知 Mamba 層，提升多模態融合與情感分析效率和精準度的框架。

本文提出 AS2 架構，透過軟化答案集規劃 (ASP) 的即時推論運算子，實現了端到端可微分的神經符號推理，消除了傳統符號推理中非微分的限制。

本研究探討聯合模型壓縮中，剪枝與量化等方法應用順序對模型效能的影響，並提出漸進式強度假說，揭示弱干擾應優先於強干擾的原則。

本研究展示了如何透過分析文本中的時間共現模式，發現不同於語義內容的轉移結構概念，並建立一個多解析度的概念地圖。

本研究揭示了自動提示優化（APO）方法中存在的黑箱問題，並提出了 VISTA 框架，提升了提示優化的可解釋性與效能。

LLM代理能利用散布線索自行推斷真實身份，顯示去匿名化風險升高。

儘管語言模型內部表現卓越，但現有機制可解釋性方法無法有效修正其輸出錯誤，揭示知識與行動之間存在巨大落差。

本研究利用自然語言處理技術，分析 Moltbook 平台上政治宣傳的規模、分佈及產生者，揭示少數社群與個體在政治宣傳傳播中扮演的重要角色。

本文將微分方程式作為理論基礎，系統性闡述其在深度神經網路架構、性能提升與實務應用中的作用。

提出 MemArchitect，透過規則治理 LLM 記憶，提升代理人安全與效能。

本研究提出 FaithSteer-BENCH，旨在透過部署導向的壓力測試，評估大型語言模型（LLM）推控方法的可靠性與實用性。

本研究量化了臨床醫師如何修改環境AI生成的草稿臨床筆記，將通俗易懂的語言轉化為標準的臨床術語，以符合專業記錄規範。