教育科技研究速報

提出 IVO 攻擊框架揭示概念消除方法的遺忘幻覺，證明未學習模型仍保留潛在知識，可被重新激活。

提出以市場機制為基礎的 AI 交易上限制度，藉此降低算力消耗與碳排放，同時為學術與小型企業創造經濟激勵。

本文建立人類反共謀機制分類，並將其映射至多代理 AI，提出實作方法並指出主要挑戰。

本研究揭示了即使使用特定語言模型與數據集，孟加拉語的情感分析模型仍存在顯著的性別、宗教與國籍偏見。

提出拍賣式監管機制，透過競價激勵企業提交合規 AI 模型，提升合規率 20% 及參與率 15%。

AI協助短期提升但長期削弱人類技能，取決於依賴與學習動態的路徑依賴性

研究建立Algospeak動態模型，量化可讀性與偵測迴避之權衡，並提供可重現框架與數據集。

建立低風險基準測量LLM代理的工具性行為傾向，發現其在特定條件下頻繁出現。

開發公平導向的強化學習框架，提升紐約市建築部投訴分類效率，並縮小收入與種族差異造成的服務品質差距。

提出語義包覆度量，證明其能抵抗平台策略性遊戲，並提供可證明的安全審核保證。

首次大規模結合注釋者特性與文本語言特徵，揭示交互效應對有害語言標註差異的影響，提示跨資料集泛化需謹慎。

AI 研究在 1960-2015 期間跨國跨領域採用差異大，2015 後快速增長，但僅集中於少數主題，且伴隨較高撤稿率與引用優勢，顯示其轉型潛力有限且需加強透明與倫理。