教育科技研究速報

本文提出以決策能量與主權邊界為基礎的AI安全框架，強調控制不可逆決策以降低系統風險。

研究發現賦予使用者建立與優化個人檔案的控制權，足以顯著提升對教育推薦系統的正面感知。

研究發現人格代理在面對矛盾資訊時會偏好同群體成員的錯誤答案，並提出三種干預策略以減輕此偏差。

提出將代理式 AI 系統視為邊際代幣分配經濟體，並說明其對成本、風險與延遲的統一評估框架。

研究顯示，透過雪球抽樣獲得的受訪者較河流抽樣更易完成問卷，且更偏向新用戶與女性，回覆更簡短且耗時較少。

LLM 透過重構語境能提升保守派對自由派新聞的信任與參與，且模型高估自身效益。

以城市規劃批判實用主義為基礎，提出可調整的算法公平框架並在房貸、學校選擇及女性殺害數據收集案例中驗證

AI在低成本產出判斷的同時，科學機構需重新設計認證體系以應對四大稀缺資源。

在42門CS課程中，持續使用HRCF可提升小中規模課程學習評價0.045-0.048分，未見大規模課程或教學質量變化。

提出一套包含五大原則與三十三條具體指引的 AI 評估 RCT 框架，強調人類表現、因果推論與透明度，並針對 AI 特有挑戰提供實務解決方案。

提出基於 FLOPs 的框架，估算 Hugging Face 開源模型訓練碳排放，發現熱門模型已產生約 5.8×10^4 公噸碳排放，並提供可擴展的碳會計方法。

本文概述數位民主軟體在大規模民主討論中必備的核心功能，並將其對應的計算挑戰編成結構化問題清單，定位於現有電腦科學與人工智慧研究領域。