教育科技研究速報

本文首次量化整個模型開發流程（含後期訓練）的能源、碳排放與水耗，顯示後期訓練成本遠高於預訓練，並呼籲完整報告以降低 AI 環境足跡。

研究發現不同開發商的 LLM 存在高度相關的預測誤差，形成「認識單一文化」，但尚未顯著改變人類的偏見模式。

本文以 150,000+ 職缺資料量化生成式 AI 在職場需求與技能變化，顯示 2021 後 AI 技能急升、例行工作下降，預測 2025 年 AI 與人類專業融合成新就業基礎。

提出LLM驅動的不確定性評估框架，提升危機報告的可信度與資訊優先排序

研究發現透過「思考軌跡」能使 LLM 的決策行為更接近人類，但在複雜動態環境下的適應力仍不及人類。

本文透過文獻回顧，分析使用者與 LLM 在程式開發中的互動行為、優劣勢及影響表現的關鍵因素。

開發一種結合第一人稱影片與 RAG 技術的 AI 助手，將非正式的實驗操作經驗數位化，以提升實驗室安全性與指導品質。

本研究透過訪談定義了生成式社交機器人在高等教育中，為實現負責任且有效的教學所需的知識設計需求。

本研究探討透過人類協作或軟體代理自動化，來協助上肢障礙者進行高難度動作的遊戲互動。

研究揭示了廣泛用於訓練生成式 AI 的美學評估模型存在性別與文化偏見，強化了西方中心主義的美學觀。

本研究證明僅透過 VR 遙測數據即可有效推斷使用者的混淆、猶豫與準備等瞬時認知狀態。

本研究提出一種新方法，用於追蹤與識別 AI 在自然語言生成過程中扮演的隱性功能角色。