教育科技研究速報

本文提出 Principle-Bench 基準測試與 Ceca 評估工具，旨在從四個維度檢驗 LLM 在處理模糊原則監管時的可靠性。

研究提出 Wiggle 框架，揭示 LLM 作為評分者在面對重新提示或對抗性壓力時，判斷結果極度不穩定且易受誤導。

研究提出一套框架，用以衡量、預測並修復大型語言模型在多輪對話中無法正確撤銷指令的「行為復發」現象。

提出 Reasoning Jury 系統，透過多模型討論與共識機制，提升評估大型語言模型推理錯誤的準確度與成本效益。

提出 Meta-LoRA 方法，透過結合 PAC-Bayes 正規化與偏好解耦技術，解決 LLM 在跨領域個性化時的過擬合與負遷移問題。

研究發現 LLM 在最終判斷標籤上雖與人類高度一致，但在背後的道德理據與原則上卻存在系統性分歧。

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。

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。

研究開發了 FMG-Bench 基準測試，用以評估 LLM 在基督教神學諮詢與牧養指導中的安全性與適當性。

研究發現模板化提示詞會導致 LLM 政治立場評估偏差，建議改用全合成提示詞以提升評估的真實性與準確度。

研究發現提升治療型 AI 的臨床安全性與環境成本之間存在非線性權衡，增加運算量並不一定能有效提升安全性。

研究證實 LLM 在評估社交吸引力時展現出與人類高度一致的排序能力，但在評分極端度上較人類更為激進。