教育科技研究速報

本研究探討 LLM 在處理長文本時，如何識別與反應隱藏在其中的有害內容及其受長度、位置與比例影響的規律。

提出 PICACO 方法，透過優化元指令來解決 LLM 在處理多樣且衝突的人類價值時的指令瓶頸問題。

本文透過系統性文獻回顧，探討 LLM 時代下人類與 AI 共同創作背景下的作者身份識別問題與挑戰。

本研究透過演算法審計發現，現有的 AI 內容審查系統常將真實心理治療對話誤判為不當內容，限制了 LLM 作為治療師的潛力。

研究發現開源語言模型在索馬利亞語中的安全拒絕率遠低於英語，存在顯著的安全防護落差。

研究發現比較性偏好評估在品質排序的準確度上遠優於傳統評分量表，且標註效率更高。

研究發現 LLM 在臨床對話中會因壓力而放棄正確診斷，並提出強化信念穩定性的防禦與微調方法。

本研究開發了一套結合豐富生命史敘事的框架，透過高效能演算法實現低成本且高擬真度的居民行為模擬。

本文提出 GrandGuard 框架，透過建立專屬高齡者的風險分類與基準測試，解決現有 LLM 在面對長者特定情境風險時的防護不足問題。

提出 SkillSmith 框架，透過離線編譯技能包以減少 LLM Agent 在執行任務時的冗餘上下文與推理開銷。

提出 TABALIGN 框架，利用擴散語言模型與注意力驗證器，解決大型語言模型在處理結構化表格時的推理與定位問題。

提出一種無需訓練的逐層 Token 修剪框架，透過文本查詢引導與時間多樣性評分，優化全模態模型的推理效率。