教育科技研究速報

研究發現 LLM 代理在多輪辯論中會產生「共識漂移」，且其集體行為受結構影響與模型偏見交織影響。

研究提出 COMPACT 協定，透過多玩家社交遊戲評估 LLM 代理人的社交智能及其多維度的社會認知指標。

研究發現規則知識在模型層級中呈分佈式組織，並提出 DMLE 方法有效提升規則編輯的連貫性。

研究發現 LLM 的政治偏見源於訓練數據的組成，且數據呈現系統性的左傾傾向。

研究發現 LLM 內部存在符合人類情緒模型的 VA 子空間，並可透過情緒向量控制模型的拒絕與奉承行為。

研究發現 LLM 生成的捐款呼籲在捐款金額、參與度與說服力上均優於人類撰寫內容。

提出一種免訓練且高效的 kNNProxy 框架，透過檢索機制對齊代理模型，提升 LLM 生成文本檢測的準確度與魯棒性。

提出 DEFT 框架，透過數據過濾與分佈引導機制，提升大型語言模型對齊效率並兼顧泛化能力。

研究揭示 LLM 在面對語義相同但形式改變的數學問題時極其脆弱，並提出一套診斷框架與失敗分類法。

研究發現 Web Agent 的觀察表示法應根據模型能力與思考預算進行動態調整，而非一味簡化。

本研究透過電路級分析揭示了 LLM 產生錯誤卻表現出過度自信的內部機制，並提出有效的校準干預方法。

提出 MiCP 框架，利用符合預測技術為多輪推理模型提供具備錯誤率保證的自適應停止機制。