教育科技研究速報

這篇文章指出，目前評估 AI 安全性的方法，如問卷調查，無法準確反映基於大型語言模型（LLM）的 AI 代理在實際部署中的行為風險。

FRAME 透過大規模 AI 系統測試與情境觀察，填補了 AI 評估中規模與情境細節之間的差距，提供組織領導者更可靠的決策依據。

提出雙維度評估框架，評估GPAI訓練資料公開摘要的透明度與實用性，並對五份摘要進行實證評估。

批判 AI 安全評估中的擬人化思維，提出更符合機器語言生成的概念框架

本文探討 AI 生成影像如何改變視覺文化，挑戰人類創造力與知覺，並揭示其對社會認知與權力結構的深遠影響。

提出 CRAFT-GUI 框架，透過課程化學習與細緻獎勵提升 GUI 任務代理效能

本研究探討了AI輔助病理診斷系統中，自動化偏誤和錨定效應的影響，以及時間壓力與個人特質如何塑造這些偏誤。

提出「wordalisations」方法，利用語境工程將數據轉化為自然敘事，並在球員評估、人格測試與國際調查三個領域驗證其準確性與可讀性。

研究發現即使由 Wikimedia Foundation 主導開發，內部與外部貢獻者在討論語言風格上並無顯著差異，挑戰了預期的層級化語言模式。

研究顯示大型語言模型在提供寫作回饋時，會根據學生性別、種族、學習需求等屬性產生刻板印象偏差，揭示自動化回饋的隱形偏見。

提出基於資料類型與領域情境的敏感資料偵測框架，顯著提升偵測準確率。

提出 HAIG 框架，將人機互動視為連續關係，從信任-效用角度重新定義治理。