教育科技研究速報

研究證實透過 LoRA 微調小型開源模型，能有效且精準地自動化分析學生數學隱喻的效價與主題。

研究發現 LLM 在處理多元價值問題時，雖具備程序品質，卻缺乏人類般的觀點多樣性與共識凝聚能力。

研究發現現有的電腦視覺注意力模型在預測人類視線時表現不佳，且存在顯著的人口統計學偏差。

研究發現 AI 模型內部的潛在社會地位關聯，並不一定會轉化為實際決策中的偏見行為。

研究發現候選人多透過敘事而非關鍵字展現軟實力，且傳統關鍵字篩選法會系統性遺漏技術人才的軟實力特質。

本研究利用文化人類學的文化共識理論，揭示大型語言模型在模擬人類文化多樣性時存在過度簡化或無法形成共識的問題。

本文提出「脈絡化審計」與「對稱性」概念，以解決 AI 系統在缺乏明確標準答案時的評估困境。

提出透過遮罩標籤防止標籤洩漏，並引入近期編碼以捕捉遺忘機制，提升知識追蹤模型的預測準確度。

本研究開發了一個包含英、羅雙語及多模態資訊的電腦科學競賽資料集，用以評估 LLM 在高階程式設計任務中的表現。

研究證實 LLM 在評估社交吸引力時展現出與人類高度一致的排序能力，但在評分極端度上較人類更為激進。

研究提出一個基於遊戲機制的基準測試，揭示大型語言模型在心理理論推理與表達之間存在顯著落差。

研究提出首個整合能力、安全、基礎教育與高階培育四維度的基準測試，揭示現有模型在教育應用上的侷限。