教育科技研究速報

研究者推出 DiG-bench 基準測試，透過 70 款具備未知規則的遊戲，評估 AI 在受控環境中進行實驗與發現新知識的能力。

提出 MindMemOS 架構，透過自我演化演算法讓 AI Agent 能動態優化記憶結構並將執行經驗轉化為技能。

研究發現 LLM 在處理多重指令時會發生性能崩塌，當同時約束超過 5-6 項時，成功率會急劇下降。

本文主張應透過定義明確的規則導向過程來重新定義 AI 推理，以解決目前生成式 AI 在推理評估上的定義模糊問題。

開發 CogChat 框架，透過異質知識圖譜為設計對話提供認知基礎，提升 AI 在複雜設計任務中的脈絡理解與深度。

提出一種動態調整設計空間寬度的軸心工作流，透過 AI 代理輔助使用者在創意探索與精煉階段間有效切換。

研究探討「計畫書先行」工作流如何透過結構化研究提案過程，提升學生自主性並重新分配指導與行政責任。

本研究透過文獻回顧與實務調查，揭示了學術界與實務界對「資訊圖表」定義在文字角色、數據視覺化及統計圖表關係上的認知分歧。

提出「互動就緒度」框架，將 AI 的內容準確性與角色行為規範分離，以解決 AI 角色扮演失當的問題。

本文主張將研究過程中的發想與轉向視為創意的一部分，並透過 DrawTalking 案例展示互動式敘事的研究價值。

本文主張 AI 編碼代理的研究應從追求純粹的自主任務解決能力，轉向以人為本的協作模式。

本文探討 AI 產出的數學結果僅是「殘餘物」，真正的數學價值在於人類透過探索歷程所建立的集體理解。