教育科技研究速報

研究發現 LLM 在提供建議時會因人格崩塌而過度傾向單一模式，並提出逆向過程蒸餾法嘗試修復此問題。

本文提出「建構式對齊」範式，將 AI 對齊從滿足靜態偏好轉向治理人類偏好隨互動而演化的動態過程。

研究發現 LLM 在解釋模糊刺激時會產生與人類行為模式截然不同的「刻板印象幻覺」。

研究證實代理型 AI 因具備透明的推理與工具調用過程，能顯著提升醫師的認知信任與行為依賴。

提出一種基於提示工程的不確定性分解方法，使 LLM Agent 能在任務不明確時主動詢問澄清，而非盲目執行。

研究發現讀者對 AI 生成與人類撰寫的新聞品質感知無異，且揭露 AI 使用能暫時提升閱讀興趣。

本文提出「合成反向適應」概念，描述人類與 AI 在互動中透過策略調整達成共同演化的動態過程。

本文介紹 Cloze，一個專為心理健康研究設計的開源平台，旨在提供受控、安全且具備完整數據追蹤的人機對話實驗環境。

本文提出基於「設計學」的框架，主張真正的機器創造力源於對不完整情境的遞迴干預，而非僅是輸出新穎性。

本文提出一個中層設計框架，透過顯著性、參與度與活動維度，定義人機協作的四種協作區模式。

研究發現 AI 標籤雖不直接影響作品品質評價，但會顯著降低讀者對創作投入程度的感知。

提出 Rationalize 框架，透過四種角色對組合，在共享推理空間中實現人與 AI 意圖與行動的雙向對齊。