教育科技研究速報

提出 LISA 模組，透過結合線性注意力與動態索引技術，大幅降低長文本推理的計算複雜度並提升性能。

提出 Perception-RFT 框架，透過直接對齊視覺特徵與定位輸出，在減少推理成本的同時提升多模態文件問答效能。

提出 KV-PRM 技術，透過直接讀取 KV 快取取代文本重新編碼，大幅降低過程獎勵模型的計算成本與延遲。

提出一種無需訓練、即插即用的 PaLRS 方法，利用殘差流提取 steering vectors 來實現高效的 LLM 偏好對齊。

研究提出以輕量級時序圖學習模型取代 LLM 作為觸發器，大幅提升主動式代理人的反應速度與效率。

探討企業在學習投資上成效不彰的原因，指出緩慢且手動的課程製作流程限制了互動性與學習影響力。

提出 SkillSmith 框架，透過離線編譯技能包以減少 LLM Agent 在執行任務時的冗餘上下文與推理開銷。

提出一種無需訓練的逐層 Token 修剪框架，透過文本查詢引導與時間多樣性評分，優化全模態模型的推理效率。

提出 MSIFR 框架，透過在生成過程中途偵測並終止低品質樣本，大幅降低 LLM 合成數據的 Token 消耗。

研究利用 LLM 多智能體模擬證明，職場中的毒性行為會顯著增加溝通時間，造成效率損失。

研究提出一種結合 IRT 模型與適應性題目選擇的新方法，能以極低成本精準預測大型語言模型的未知任務表現。

提出 MiCP 框架，利用符合預測技術為多輪推理模型提供具備錯誤率保證的自適應停止機制。