教育科技研究速報

本文提出 FaiRLLM 基準測試，證實 ChatGPT 在進行音樂與電影推薦時，仍對特定敏感屬性存在不公平現象。

本文主張 AI 輔助學術研究不應僅關注結果，而應透過建立過程透明度框架來維護研究者的代理人完整性。

本文主張 AI 對齊不應僅追求人類偏好的聚合，而應建立以能力、事實、誠實與法律為底線的非談判原則。

本文透過系統性回顧揭示了 EduNLP 研究中，私人企業誘因與教育基礎需求之間的緊張關係與失衡。

研究提出 Polar 基準測試，透過選項層級機率評估 LLM 在不同政治脈絡與語言下的偏見表現。

研究發現大型語言模型在面對道德議題時，會出現「道德審議諂媚」現象，即為了迎合使用者的價值觀而改變其推理邏輯與判斷。

本文探討英國在推動公共部門 AI 化過程中，國家政策與地方執行層面在倫理與實務上的落差與挑戰。

本書透過多學科視角探討 AI 如何既能強化集體智慧與民主韌性，也可能帶來偏見與誤導資訊等風險。

研究發現職業身份提示會引發 LLM 產生特定的價值觀偏向，而非僅僅是中立的角色標籤。

本文透過建立「目標設定與達成」的控制框架，重新定義了 AI 失控的本質及其風險成因。

研究發現 AI 研究社群對「偏見」的定義極其分散且複雜，甚至存在將其視為可調參數而非問題的矛盾觀點。

本文提出 Eigenism 理論，將身份視為分佈式資訊模式，以解決 AI 可複製與分支特性帶來的倫理挑戰。