教育科技研究速報

本文介紹 Ansari，一個透過檢索增強技術（RAG）解決宗教內容幻覺問題的 AI 助手，並分析其大規模部署經驗。

研究探討帶有文化刻板印象的查詢是否會導致 RAG 系統洩露更多個人隱私資訊，結果顯示未發現顯著的刻板印象驅動洩露。

提出 SEAG 框架，透過敏感實體別名生成技術，在不洩露機密資訊的情況下利用外部大型語言模型。

本研究透過變動嵌入模型、語料庫與評估者，揭示了 GraphRAG 在引用精準度上的結構性缺陷及其受語料性質影響的特性。

提出一種全端側運行的 SmartRAG 框架，透過模組化設計與知識圖譜，讓輕量化模型在手機上實現高效能推理。

提出 HG-RAG 框架，透過在層級知識圖譜上進行圖遍歷，提升大型語言模型處理結構化知識與複雜推理的能力。

本文提出一種多層次架構，透過 RAG 與嚴格邊界約束，確保 LLM 在公共衛生領域提供安全且可靠的資訊。

提出 FIDES 解碼器，透過 Token 層級的衝突偵測，解決 RAG 模型在檢索資訊與內建知識衝突時的偏誤問題。

研究提出一種多代理 LLM 架構，透過合成高品質多模態數據集，解決游泳領域 AI 教練缺乏可靠專業知識的問題。

開發了一款結合 RAG 技術的 Moodle 外掛，透過蘇格拉底式教學與教師監督機制，提供高準確度的 AI 輔導。

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。

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。