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
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
循環深度變換器的隱式推理：循環、思考與概括
提出循環深度 Transformer，能在單次前向傳遞中完成多跳推理，並在系統性與深度外推上顯著優於傳統 Transformer。
arXiv - Computation and Language
AsyncTLS：使用非同步雙層稀疏注意力提升生成式 LLM 推理效率
提出 AsyncTLS，結合粗粒度區塊過濾與細粒度 token 選擇，並使用非同步 KV 緩存卸載，實現 1.2x–10.0x 的算子加速與 1.3x–4.7x 的端到端吞吐量提升，且準確度與全注意力相近。
arXiv - Computation and Language
GQA 變壓器中的敏感度與位置共定位
驗證 GQA 變壓器中敏感度與位置編碼不共定位，並提出 LSLORA 與 GARFA 兩種調整方法，提升多項基準表現。
arXiv - Computation and Language
SepSeq：無需訓練的長數值序列處理框架
提出 SepSeq，透過插入分隔符號作為注意力吸收器，提升 LLM 處理長數值序列的準確度與效能，平均提升 35.6% 準確度並降低 16.4% 推論成本。
arXiv - Computation and Language
高效且有效的內部記憶檢索：基於大型語言模型的醫療預測
提出 K2K 框架，將關鍵醫療知識編碼進模型參數，實現無推理時延的內部檢索，並在四個醫療預測基準上達成領先表現。
arXiv - Computation and Language
CAMO：針對不平衡資料的類別感知少數優化集成方法
提出 CAMO 集成框架，透過分層投票、置信校準與模型不確定性動態提升少數類別，於兩個極度不平衡語料庫上達成最高宏觀 F1 分數。
arXiv - Computation and Language
EMSDialog：利用多LLM代理從電子病歷生成多方急救對話
開發多代理生成管線，產出4,414條真實感高的多方急救對話，並證實可提升診斷預測效能
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。