近日，在暨南大学广东智慧教育研究院的支持下，博士研究生白友恒、李薛毅，硕士研究生邓继伟、曾小丽，于2025年5月10日受邀前往香港，参加哈佛-香港教大-斯坦福联合论坛：新兴科技与未来人才（Harvard-EdUHK-Stanford Joint Symposium: Emerging Technologies and Future Talents），并在专题论坛中发表演讲。
此次论坛由哈佛大学、斯坦福大学与香港教育大学联合主办，汇聚来自哈佛大学、斯坦福大学、南洋理工大学、山东大学等世界知名高校的专家学者。论坛聚焦人工智能、扩展现实及机器学习在教育与人才培养中的深度融合，设置包括主题演讲、专题论坛、创新展示等多种形式，深入探讨AI时代背景下的教育变革、创造力培养与人才生态构建。
成果分享
分享人：白友恒 分享主题：《LefoKT: A Knowledge Tracing Model Based on Relative Forgetting Attention》 主要内容：分享了知识追踪任务的最新研究成果“LefoKT”。该模型引入相对遗忘注意力机制，能够精准建模学生随时间个性化遗忘的规律，在提升预测准确率的同时，更好地适应不同学生的个体差异与长期学习过程。 |
分享人：李薛毅 分享主题：《Unveiling Vulnerabilities in LLM Based Automatic Short Answer Grading》 主要内容：分享了关于大语言模型在自动短答案批改中的脆弱性研究成果。该研究结合当前主流的攻击方法，对基于大语言模型的批改方法进行系统评估，揭示了其在面对攻击时鲁棒性不足的问题。 |
分享人：邓继伟 分享主题：《Denoised Attention and Question-Augmented Representations for Knowledge Tracing》 主要内容：分享了知识追踪任务的最新研究成果“DenoiseKT”。该模型针对注意力机制中的“注意力噪音”问题，结合图神经网络建模题目间复杂关系，并引入题目难度特征与降噪注意力机制，有效提升模型对学生认知状态的表征能力与预测准确性。 |
分享人：曾小丽 分享主题：《LessonPlan-Agent: A Multi-Role Agent Framework Leveraging LLMs for Automatic Lesson Plan Generation》 主要内容：分享了教案自动生成领域的最新研究成果。该框架基于大语言模型构建多角色智能体系统，由新手教师、行政教师与资深教师协同完成教案撰写，通过分阶段合作实现草案生成、知识整合、专家审校与最终优化。 |
心得体会
以上4场演讲吸引了众多教育领域的资深专家与优秀学者，现场反响热烈，报告内容获得广泛关注与高度认可。
白友恒在会后表示，通过本次汇报，不仅加深了对知识追踪研究前沿的理解，也收获了来自同行关于人工智能在教育应用方面的诸多思想碰撞，学术交流的过程让其受益匪浅。李薛毅表示，本次论坛是人工智能与教育深度融合、激发创新的重要平台。通过与教育领域专家学者的深入交流，不仅拓宽了视野，也对人工智能在教育中的应用有了更加深入的理解，收获颇丰。邓继伟表示，通过这次的汇报，不仅锻炼了自己的表达与交流能力，也收获了来自同行专家的宝贵反馈。曾小丽表示，此次论坛让其深受启发，不仅拓展了研究视野，也带来了新的思路。特别是在教育智能体领域，两项成果与其的研究方向高度契合：一是基于认知分层理论的智能体系统，二是融合叙事学的创作型教学智能体，均为其的后续研究提供了重要参考。
