本研究探讨了大语言模型在高功率火箭设计中的应用。通过RocketBench基准测试，强化学习增强的模型在复杂工程优化中表现优于传统模型和人类专家，显示出其潜力。

本研究提出了教育问答（EducationQ）框架，用于评估大型语言模型在教育中的教学能力。结果表明，教学效果与模型规模无关，小型开源模型在互动教学中表现更佳。

本研究提出了一种新方法，通过结合成功与失败的推理路径微调大型语言模型，以增强其搜索能力。采用较小的学习率可以减缓性能下降，显著提高推理表现并减少180倍的推理时间。

本研究提出了一种基于强化学习的自动数学纠错方法StepAMC，解决了现有方法忽视逐步反馈的问题。该模型增强了大语言模型的推理能力，在两个基准数据集上超越了十一种强基线模型，显示出显著的性能提升。

本研究提出了一种基于傅里叶神经算子(FNO)的晶粒生长建模方法，解决了传统相场建模在大规模和高分辨率系统中的计算耗时问题。该方法具有分辨率不变性，能够有效预测长期演化，并适用于未见过的配置，展现出卓越的准确性。

本次AI绘图教学以Kera AI为平台，介绍如何使用提示词进行绘图，涵盖从基础到高级技巧，帮助教育工作者利用AI创作教材，并探讨著作权及适用性问题，以促进学生学习。

本研究探讨了专业技能学习中个性化指导不足的问题，提出通过共享自治框架改进教学策略，发现自主代理显著提升学习效率与效果。

本研究提出了TATA框架，以解决大型语言模型在数学推理中调整策略的不足。该框架使模型能够根据自身能力自适应调整推理策略，并优化训练数据选择。实验结果表明，TATA在数学推理基准测试中表现优异，显著提升了推理效率。

本研究提出VTutor，一个开源SDK，结合生成AI与动画技术，提升人机交互体验，通过实时个性化反馈和高级渲染显著提高学习者参与度。

本研究评估了生成性人工智能（GenAI）在计算教育中的应用，特别是在编程课程中的教学效果。通过文献综述和调查，发现GenAI工具能够提供个性化反馈，提升大规模课堂教学和学生编程技能。

本研究提出Track4Gen模型，旨在解决视频生成中的外观漂移问题。通过结合视频扩散损失与帧间点追踪，增强特征的空间监督，提高视频生成的稳定性和视觉一致性。

本研究提出了一种新框架，使开放词汇物体检测模型能够在开放世界中识别和学习新物体。该方法通过开放世界嵌入学习和多尺度对比锚学习，在物体检测和自动驾驶基准测试中表现优异，具有重要应用潜力。

本研究提出了一种名为AI2T的互动式教学方法，旨在提高智能辅导系统的建立效率。AI2T通过短时间的互动训练，自我学习并准确评估在新问题上的表现，从而生成可靠的模型追踪程序，显著提升辅导系统的可信度和数据效率。

本研究提出了一种新方法，通过潜在物理现象知识训练视频扩散模型，解决了现有模型在捕捉物理知识方面的不足，展现出显著的实际应用潜力。

本研究提出了一种名为公平蒸馏（FairDi）的方法，旨在解决医疗影像模型中的偏见问题。通过优化偏见“教师”模型来指导“学生”模型的训练，FairDi在准确性和公平性上均有显著提升。

本研究提出了一种虚拟教学助手VTA-bot，旨在提高在线教育的效率和学生留存率。该助手通过聊天机器人功能，帮助新入学大学生查询Python课程内容，从而提升学生的参与度和在线学习体验。

本研究探讨了具身智能体在学习任务中通过人类语言获取知识的能力。结果表明，丰富的语言反馈显著提升了代理的泛化能力，并加速了其适应新任务的速度，强调了语言在教学中的重要性。

本研究提出了一种可解释的行为克隆大型语言模型代理（EBC-LLMAgent），旨在解决智能代理在复杂移动应用中的交互问题。实验结果表明，该方法在任务完成率和泛化能力方面表现优异。

教材中有动漫梗，希希助教扮演角色帮助学生理解。希希助教最近自由旅行和阅读。捐款可请希希助教上课。