教育科技研究速報

研究發現即使邏輯求解器能提供正確答案，LLM 在將結果轉化為人類語言的「敘述」過程中仍可能因提示注入而導致錯誤。

提出一種基於提示工程的不確定性分解方法，使 LLM Agent 能在任務不明確時主動詢問澄清，而非盲目執行。

研究提出一種透過自我反思與 DPO 優化，使 LLM 能在無需外部裁判的情況下實現倫理對齊的新技術。

研究發現 LLM 在處理結構化臨床數據時，其口頭表達的信心與實際準確度無關，並提出利用跨模型歸因差異來提升可靠性。

本研究提出一種掌心穿戴式原型，透過間接回饋與主動熱傳遞技術，解決 AR 環境中虛擬與真實物體熱感交互的挑戰。

開發了一款名為 Easy Reads 的開源 Python 工具，透過自動化格式調整提升 arXiv 論文的閱讀體驗與無障礙性。

研究證明利用用戶的滑鼠軌跡與視線追蹤等隱性回饋，能顯著提升大型語言模型對齊的準確度與品質。

研究發現 LLM 的心理特質多源於測量工具的反應偏差，而非模型本身的真實特質。

開發出一種能根據教學對話特徵自動切換教學策略的自適應提示詞系統，有效提升教學效率並增加學習轉換率。

開發 DataMagic 系統，透過多代理架構將原始表格數據與自然語言指令，自動生成具備敘事邏輯與數據保真度的影片。

本文提出「編輯對齊」作為一種設計實務，讓專業編輯能參與 LLM 介面設計，以確保 AI 知識傳播符合專業標準。

研究發現數位學習工具應透過「分層脈絡化」設計，在不中斷閱讀流動的前提下，提供可信且非強制性的跨文本關聯資訊。