教育科技研究速報

本研究提出評估與緩解 LLM 生成程式碼偏見的框架，並發現現有緩解策略效果有限。

本研究透過關係性視角挑戰傳統種姓分類，揭示文字轉圖像模型如何透過演算法強化複雜的種姓歧視與規範。

研究發現具備推理能力的 AI 能像社會多數群體一樣，顯著影響人類在道德困境中的決策傾向。

本文分析了生成式 AI 帶來的環境衝擊，並提出從模型透明度、用戶選擇權及國際協調三方面的政策建議。

研究發現視覺語言模型在面對模糊影像時，即便內部已編碼女性特徵，輸出仍會因偏見而傾向於男性。

本文提出「受託人設計」原則，主張對話式 AI 應承擔類似法律專業人士的受託責任，以保護用戶利益。

本文指出 AI 系統可能創造「選擇的幻象」，使人在看似有自主權的決策中，實則削弱了形成目標與手段的元能力。

本文批判了「AI 精神病」這一新興術語的誤用，並提出 AI 可能導致使用者陷入「存在漂移」的現象學觀點。

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。

提出 RankAid 重新排序演算法，在維持推薦準確度的同時，優先考慮心理健康安全並阻斷有害內容。

本文探討翻譯者的勞動如何轉化為 AI 訓練的數據資本，並分析其在法律與經濟結構中被剝奪權益的過程。

本文探討將「未竟科學」概念引入電腦科學領域，藉此識別被忽視、缺乏資金或被忽略的關鍵研究問題。