教育科技研究速報

研究發現即使使用者未直接透露個人資訊，大型語言模型仍能透過對話內容高準確率推論出使用者的年齡、性別與國籍。

提出同意鏈降解概念與三層治理架構，揭示多機器人授權過程中人類同意的逐步侵蝕，並指出現行歐盟法規對此缺口。

本研究探討 LLM 在角色扮演情境下道德判斷的變化，發現其道德穩健性受模型家族影響，而易感性則與預訓練有關。

透過與百位創意寫作者的研討會，探索如何利用隱喻來構建由創作者主導、具備共識與價值的語言模型治理模式。

將公平與效能視為多目標優化，揭示 Pareto 前沿由效用與公平共同決定，並指出可包含上限閾值規則，補充既有理論。

本文提出「正向對齊」概念，主張 AI 不應僅止於安全防護，更應主動支持人類與生態的多樣性繁榮。

本文提出一個統一框架來研究 AI 解釋的公平性，旨在解決模型輸出公平但推理過程存在偏見的「程序性偏見」問題。

本文探討 AI 對齊技術與法理學之間的結構相似性，並建議透過法律理論來優化 AI 的規則與案例處理機制。

研究開發了多語言數據集 StereoTales，揭示大型語言模型在開放式生成中普遍存在且具文化適應性的社會偏見。

研究探討不同隱私設計隱喻如何影響青少年的隱私推理，並強調隱喻選擇是一項關鍵的倫理設計決策。

研究發現 LLM 的道德決策極易受上下文線索影響，且存在認知不一致與推理無法消除敏感性的現象。

提出一個以人為本的框架，透過利害關係人協商來解決 LLM 數據歸因、版權與經濟公平性的問題。