教育科技研究速報

本文報告了首個大規模部署 AI 輔助審查的案例，證明 AI 能在學術會議規模下提供高品質且受歡迎的審查意見。

提出一個結合隔離環境與三層代理迴圈的框架，實現科學研究任務的安全與自動化執行。

透過整合 YOLO 視覺檢測與 ngspice 模擬驗證，大幅提升 LLM 解決複雜電路分析問題的準確度。

提出表格表示的柏拉圖式假說，證明傳統序列化方法易受佈局變化影響，並設計置換不變編碼器提升檢索穩定性。

提出 A-R 空間以量化 LLM 代理的執行與拒絕行為，揭示不同規範體系與自動化設定下的行為分布，為組織部署提供決策依據。

提出計算驅動推理框架，將空間推理交給確定性計算，提升空間問答與機器學習競賽的準確性與可解釋性。

利用大型語言模型設計並實驗一套術後胃腸癌病患遠程監測系統，證實參與式設計與負責任 AI 能提升臨床與病患互動效率。

利用大型語言模型快速生成物理感知的高斯噴射動態資產，實現 10 秒內自動化參數預測，並在 VR 中提供自然互動，顯著提升創作效率與使用者滿意度。

提出三層認知架構，將規劃、推理、執行分離，顯著降低延遲與能耗，證明認知拆解是 AI 系統效能提升關鍵。

利用學習者技能估計，結合IOHMM與POMDP，設計最適觸覺提示，顯著提升高維度運動任務效率與準確度

提出多階段、可鎖定決策的圖像生成系統，提升使用者控制感、創造力與輸出多樣性。

提出 EMGFlow，首個使用流匹配生成表面肌電資料的框架，顯著提升合成資料品質與效率，並在三大基準資料集上優於 GAN 與擴散模型。