教育科技研究速報

本研究透過開發新型觀察範式，揭示了人類如何從四個核心維度理解強化學習代理的學習行為。

研究證明結合生成式 AI 與強化學習進行主動式練習題排序，能顯著提升學生的學習成效與參與度。

研究提出 AI Tutor 模型，利用強化學習優化學習者的短期知識獲取與長期參與度，以實現可持續學習。

提出 TSR 框架與 LHRL-VGR 演算法，透過層次化規劃與動態獎勵機制提升 LLM 在社交協商任務中的表現。

研究發現多模態大語言模型在強化學習中會因獎勵機制不完善而產生「獎勵破解」現象，導致分數提升但任務表現下降。

提出 TRL 方法，讓強大模型在強化學習中與較弱模型協作，提升推理過程的可讀性與兼容性。

提出 MER-R1 框架，利用強化學習結合「快思考」的高召回率與「慢思考」的高精準度，優化多模態情緒識別。

研究證實透過在現實領域進行益行為強化學習，能顯著提升 AI 模型在未知領域的對齊泛化能力與抗干擾韌性。

本文提出一種基於強化學習的 AI 教練框架，透過動態調整輔助程度，在避免過度依賴的同時加速人類運動技能的學習。

開發出名為 Themis 的框架，結合可解釋 AI 與人類回饋，以提升強化學習系統的安全與對齊性。

開發了一套基於大型語言模型（LLM）的代理教學系統，透過強化學習優化個人化學習路徑，解決社交技巧訓練規模化難的問題。

提出 Special-R1 框架，透過適應性提示與人格感知獎勵機制，提升 LLM 在特殊教育中的教學適配性。