教育科技研究速報

研究發現即便隱去姓名，LLM 仍能透過語言與興趣等微小標記推斷族裔與性別，並產生系統性招聘偏見。

研究提出 Deco 系統，透過雙重化身框架將實體物品的情感連結延伸至 AI 數位伴侶，提升使用者情感連結與福祉。

本文提出沉浸式影片中的自我體驗並非基於身體擁有感，而是以「自我定位」為核心的空間定位狀態。

本研究發現 Stack Overflow 程式碼品質受地理與社會經濟因素影響，且不同技術成熟度的地區存在不同的錯誤模式。

研究發現透過 LLM 模擬進行練習，需經歷三次關鍵的注意力轉移，才能有效提升年輕人公開介入網路霸凌的能力。

研究提出道德敏感度指數（MSI）來量化 LLM 的偏見，並發現推理蒸餾過程可能重新引入偏見。

本文指出生成式 AI 的安全研究過於關注惡意用途，卻忽略了認知退化與心理健康等深層風險。

本文提出將「詮釋不公」納入廣告投放框架，以解決僅關注資源分配而忽略內容理解與吸收偏差的問題。

研究揭示 AI 產業正將人類專業知識視為可提取的廉價資源，並試圖將制度化知識納入 AI 系統。

本文主張在 AI 普及的時代，應將驗證人類存在與貢獻的系統視為關鍵勞動力基礎設施，以應對勞動力市場的兩極化。

利用大型語言模型，透過少量示例文件的語義指引，動態調整文本嵌入投影空間，提升視覺分析的語義對齊度與可解釋性。

代理式 AI 透過主動執行工作，減少常規互動但需更多解釋，以維持使用者信任與自主性。