深度分析
GPT‑5 以三種提示策略測試 Scrum 認證題目，最高正確率 89.1%
隨著大型語言模型在敏捷開發領域的應用日增，研究者測試 GPT‑5 以不同提示方式回答 Scrum 認證題目。實驗比較零樣本、思考鏈與引用來源三種提示，發現加入來源引用可將正確率提升至 89.1%，且錯誤率最低。結果顯示，結構化提示能提升 AI 在規範性 Scrum 知識上的可靠度，對教學與考證有實務價值。
深度分析
隨著大型語言模型在敏捷開發領域的應用日增，研究者測試 GPT‑5 以不同提示方式回答 Scrum 認證題目。實驗比較零樣本、思考鏈與引用來源三種提示，發現加入來源引用可將正確率提升至 89.1%，且錯誤率最低。結果顯示，結構化提示能提升 AI 在規範性 Scrum 知識上的可靠度，對教學與考證有實務價值。
深度分析
幾何題目生成是AI輔助教育的關鍵，但要同時保證文字、圖形、約束與解答一致相當困難。研究提出VeriGeo框架，透過可執行推理序列結合作者與解題代理人，並以數值、解析與邏輯三階段驗證與修正。實驗顯示驗證後的合成資料能顯著提升多模態幾何推理基準的表現。