教育科技研究速報

驗證多代理LLM系統角色忠實度，揭示認識限制導致角色偏離，並說明模型與事實檢查器對忠實度影響。

Scout 透過 LLM 讓臨床人員以自然語言查詢 EHR，顯著縮短任務時間並維持準確度。

研究發現菲律賓大學生對 AI 的依賴呈四種模式，AI 依賴者學術能力最弱，提示需平衡 AI 文獻素養與傳統學術技能

揭示罕見暴力再犯預測的統計極限，指出即使高精度指標也難以實現，並提出需明示不確定性。

研究顯示至2025年約35%新網站為AI生成，並探討其對語義多樣性與情感的影響。

提出 DeepTutor 框架，結合靜態知識與動態記憶，實現個性化教學與代理互動，並以 TutorBench 進行評估。

提出 CareGuardAI 框架，透過多階段控制與風險評估，確保患者面向 LLM 回覆的臨床安全與事實可靠性。

提出以道德情緒調節為核心的五階段EEFS框架，並提供評估工具。

多模態大型語言模型生成的科學圖畫回饋常因模態脫耦缺乏視覺根據，約41%含錯誤，且即使看似根據也缺乏診斷價值。

研究發現，由於 AI 被認為缺乏受損能力且使用者對其作品的所有權感較高，複製 AI 內容的道德負擔較低。

提出一套政策驅動的LLM路由系統，提升工程實驗室的教學挑戰度與成本效益。

研究發現增加推理強度能顯著提升 LLM 自動評分的準確度，但增加模型集成數量對效果提升有限。