教育科技研究速報

開發了一款基於 Google 開源模型的專用 LLM，旨在透過 RAG 技術輔助學生學習 MATLAB 中的向量分析與微分方程。

提出 Brick-Composer 框架，透過結合人類設計、物理回饋與合成經驗，提升 MLLM 在積木組裝任務中的精準度。

開發了一種神經符號管線，透過解耦語義理解與物理約束，解決生成式 AI 在繪製物理圖表時常見的物理錯誤問題。

開發出專為競爭性 STEM 考試設計的 Aryabhata 2 模型，透過強化學習顯著提升推理能力並減少輸出長度。

提出一種基於點雲與結構感知樹狀標記化的自回歸框架，實現具備物理穩定性與幾何精確度的積木結構生成。

本文提出以證據中心設計（ECD）為基礎的框架，將生成式 AI 視為評量設計變數，而非外部威脅。

本文提出一套與材料科學工作流對齊的 AI 素養框架，強調培養具備科學判斷力的研究者而非僅是工具使用者。

研究發現 LLM 在處理多模態物理問題時存在顯著錯誤，但透過結構化對話干預可大幅提升其準確性。

研發出名為 PhytoBits 的低成本感測工具包，能透過監測二氧化碳交換來辨識植物的光合作用策略。

開發了一種名為 Semantic Reality 的 AR 系統，透過視覺化物件間的關聯性，協助使用者處理複雜的規劃與組裝任務。

本文提出一個動態遊戲化架構，旨在透過沉浸式、適性化和動覺學習，提升遠距 STEM 教育的訓練效果與評估品質。

本研究預測，川普政府提議的聯邦研究經費削減將嚴重影響美國大學，特別是在 STEM 領域，導致大量教職員研究經費不足。