教育科技研究速報

本文總結了研討會對於從被動查詢轉向具備主動性、個人化且以人為中心之 AI 代理人的研究挑戰與核心議題。

透過與自閉症成人共同設計，定義了社交機器人應作為可配置的「社交排練夥伴」而非社交替代品。

本研究探討在非受控的真實環境中，利用多模態 AI 模型自動評估人機互動關係感（Rapport）的有效性。

提出 LEDGER 系統，透過分層追蹤圖譜將 LLM 代理的執行紀錄轉化為可審核的證據與決策路徑。

本研究發布了一個針對兒童 YouTube 影片中商業推廣內容的共享任務，旨在透過 AI 自動識別產品類型與法律風險。

本文主張應以「精準度」（輸出的一致性）而非「能力」（平均表現）來衡量 AI 系統，並提出了一套低成本的測量方法。

本研究開發了多代理人對話系統，透過模擬藝術作品來支持多元且具備人類主體性的藝術史敘事建構。

研究發現 Google 的 AI 搜尋功能會降低用戶點擊出版商網站的比例，且可能損害用戶體驗與資訊信任度。

研究指出傳統 AI 評分準確度會因忽略非線性評分制度，而高估模型在特定考試中的實際能力。

提出一種新型觀察規範，透過將科學主張與證據綁定，來解決自主科學代理系統中複雜的審計與追蹤問題。

研究揭示 LLM 的安全對齊過於依賴英語，在非英語語言中存在顯著的社會文化偏見與安全漏洞。

研究發現大型語言模型即便在聲明中性時，仍會透過結構性框架重現「東方主義」偏見。