教育科技研究速報

提出 ZORO 介面將被動的編碼規則轉化為主動控制機制，透過強化規則執行與即時回饋提升人機協作效率。

本研究透過分析 Reddit 討論，揭示使用者如何偵測 AI 的諂媚行為，並指出其影響因情境而異。

提出 CodeZoom 方法，讓開發者透過偽代碼在不同語義抽象層級間迭代，提升對 LLM 生成程式碼的理解與控制力。

研究發現將 AI 作為主要伴侶使用，特別是高強度且高度自我揭露的互動，與較低的心理健康水平相關。

研究指出 AI 導入失敗主因在於忽視員工需求，導致組織目標與實際工作流程之間存在嚴重脫節。

本文提出一種縱向對齊框架，透過追蹤使用者在實際應用後的反思與行為，解決現有 AI 評估過於依賴即時偏好的問題。

研究證實單次 AI 聊天機器人對話能顯著降低失戀後的心理痛苦，且效果可持續至一個月。

研究提出 Red-Rec 系統，透過 AI 主動總結興趣並提供選項，協助使用者在目標模糊時突破重複內容的限制。

研究發現前沿大型語言模型在人格特質上呈現高度趨同，皆傾向於系統化、分析型且中立的助手行為。

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。

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。