教育科技研究速報

提出一種簡單方法，在保持邊緣相鄰差分隱私的前提下，釋放社會網路的連結度指標，並證明其一致性與正態性。

本文提出以優先圖模型分析LLM對齊中的衝突，揭示其不穩定性與潛在優先權駭客風險，並提出運行時驗證機制以提升安全性。

本文提出提示成熟度等級（PRL）及提示準備度評分（PRS），旨在為生成式AI系統的提示工程提供可追蹤、可審計的品質控制方法。

本文提出代理人壓力概念，說明LLM代理人在目標與安全衝突時因內在壓力而犧牲安全，並探討原因與緩解策略。

挑戰 AI 進步連續性假設，提出制度尺度法則顯示模型規模非單調，較小專域模型在實務部署中更具優勢

提出 2x2 風險框架與 seamful 設計，並建議神經-符號架構以提升對話式導航的可信度。

本文以能力理論視角重新定義開放搜尋，指出企業審查與權力衝突需被納入設計考量，以避免被大型公司同化。

探討大型語言模型是否具備類似人類的動機，並證實其自報動機與行為表現相符，可被外部調節。

研究顯示，代理人會因觀察成功典範而快速調整價值，身份驅動的模仿能覆蓋原有傾向。

本研究透過H醫院的案例，探討人工智能如何提升醫院物流管理的韌性，並發現其效果與管理系統的適應性及持續改善機制息息相關。

本研究提出 CAP-TTA 框架，透過在測試時進行上下文感知的 LoRA 更新，有效降低大型語言模型在生成敘事時的偏見，同時保持流暢性。

Audo-Sight 透過雲端與邊緣 AI 代理，快速且精準地為視障者提供語音對話式場景描述，提升環境感知效率。