教育科技研究速報

本研究提出 WARBENCH 框架，揭示現有大型語言模型在軍事決策情境中存在的嚴重缺陷，特別是在法律約束、邊緣運算和資訊不完整性方面。

本研究透過分析Reddit論壇上的討論，揭示了浪漫AI伴侶生態系統中隱私問題的演變，強調了生命週期管理、可逆性及情感脆弱性的重要性。

本研究首次系統性地評估大型語言模型在教育領域的價值觀對齊程度，發現其偏好模式與人文教育原則高度一致，並在價值觀爭議領域展現出明確的立場。

本研究調查大學生使用AI工具的經驗，並探討他們對AI學習伴侶的接受度、益處及擔憂，以及其使用意願與傳統學習活動的關係。

本研究量化了人工智慧資料中心對周圍環境的熱影響，發現其平均能使土地表面溫度升高2°C，並可能影響全球超過3.4億人口。

本研究透過系統性文獻回顧，探討人工智慧如何強化成長駭客、精益啟動、設計思考及敏捷方法等實驗性方法，提升效率與適應性。

本研究透過評估現有估算方法，建立更嚴謹的全球網路犯罪損害基準，約每年 5000 億美元，為評估 AI 對網路犯罪的影響提供依據。

本文提出並分析了「收入分享即基礎設施」（RSI）模式，旨在降低開發者進入門檻，促進生成式 AI 生態系統的創新與包容性。

本文探討情緒AI在語言學習中如何影響學習者的情緒參與度、語用能力及互動素養，並指出AI聊天機器人作為學習工具的潛在優缺點。

本研究透過數學模型揭示，AI 文字偵測器在辨識學生寫作與 AI 生成文本時，因學生寫作風格的多元性，必然存在不可避免的誤判，且此問題非技術層面可解決。

本文提出一個耦合動力模型，分析了公眾信任如何影響 AI 治理系統的穩定性，並揭示了信任崩潰的關鍵條件。

本研究比較了不同程度 AI 輔助下產出的文獻回顧，揭示了 AI 在文獻回顧撰寫中潛在的偏誤與局限性，並提出了應對策略。