教育科技研究速報

研究發現 RhymeTagger 工具在充足數據下能超越人類一致性，且在押韻識別上優於缺乏音韻表徵的大語言模型。

本研究提出一種新型監督式預測器，能有效預測使用 RAG 技術對於問答系統效能提升的程度。

本研究提出一種結合 CNN 特徵提取與 Transformer 時間建模的混合架構，顯著提升了阿拉伯語語音情緒識別的準確度。

提出一種利用 LLM 作為語義裁判，透過推理階段來驗證、合併並標記無監督文本聚類結果的新框架。

研究發現 LLM 內部存在符合人類情緒模型的 VA 子空間，並可透過情緒向量控制模型的拒絕與奉承行為。

提出 Prosodic ABX 框架，利用少量樣本在無需標籤的情況下評估自監督語音模型對韻律對比的敏感度。

提出 RRPO 框架，利用 LLM 反饋進行強化學習，使重排序模型與生成品質直接對齊。

本研究透過自動化三步驟流程，評估並修正了 EU20 多語言基準測試集的翻譯品質與結構完整性。

提出一種結合文本嵌入與符號概念特徵的神經符號模型，以提升偵測宣傳新聞時的分類魯棒性與泛化能力。

提出 SURE 框架，透過不確定性感知專家混合模型與迭代推理，提升對話中多模態情緒辨識的魯棒性。

提出一種基於指令微調與離散控制標記的框架，使開源模型能精準控制文本的易讀性與壓縮率。

提出 PRISM 框架，透過風險門控與機率重新分配機制，減少大型語言模型在監督式微調時因過度模仿而產生的幻覺問題。