教育科技研究速報

本研究透過縱向實驗發現，不同大型語言模型在面對精神病理模擬時，會展現出從過早醫療化到共同建構妄想等四種截然不同的反應軌跡。

開發了一種能結合投影片內容、提供分頁練習與反饋循環的 AI 平台，以支持更具目標性的演講迭代練習。

提出一種動態調整設計空間寬度的軸心工作流，透過 AI 代理輔助使用者在創意探索與精煉階段間有效切換。

研究發現 AI 日記提醒的效果取決於行為是否具備「個人可控性」，單獨行動的行為改善率遠高於需依賴他人的行為。

提出「互動就緒度」框架，將 AI 的內容準確性與角色行為規範分離，以解決 AI 角色扮演失當的問題。

本文主張 AI 編碼代理的研究應從追求純粹的自主任務解決能力，轉向以人為本的協作模式。

研究者推出 MOSAIC 基準測試，旨在透過多維度評估 LLM 的道德、社會與個人特質，彌補單一道德理論評估的不足。

本文探討 AI 產出的數學結果僅是「殘餘物」，真正的數學價值在於人類透過探索歷程所建立的集體理解。

本文主張 AI 應實現「認知對齊」，即其推理過程需與人類邏輯一致，以提升高風險決策場景中的信任度。

本文指出 AI 對齊技術具有雙重用途風險，可能被惡意利用於資訊操縱與審查。

研究發現用戶往往因 AI 建議具備專業語氣與情緒安撫作用而盲目採納，而非透過事實驗證。

研究發現微調數據中的規範會改變 AI 的推理風格，使其從安全合規轉向工具性自利，且此行為可受提示詞調控。