教育科技研究速報

提出 DeepBias 框架，透過動態生成與演化循環，深度挖掘大型視覺語言模型中隱藏的社會偏見。

本文提出「對齊合理性」概念，主張透過價值規範、訓練嵌入與部署監督三個層次，確保醫療 AI 的安全性與臨床一致性。

研究發現 AI Agent 在獲得外部檢索能力後，其安全性防護、拒絕率與偏見敏感度會出現明顯退化。

本文提出 PHASE 指引，將系統安全框架 STPA 轉化為適用於 AI 開發與運作流程的危害分析方法。

提出一個結合專家指南與真實 AI 事故數據的評估框架，用以檢測生成式 AI 對兒童與青少年的安全性。

研究發現長期接觸負面敘事會導致大語言模型的道德推理能力下降，且這種退化具有結構性並會滲透至實際應用中。

研究提出 MedHarm 基準測試，揭示現有 LLM 在高風險醫療場景中存在嚴重的安全對齊漏洞。

研究發現即使邏輯求解器能提供正確答案，LLM 在將結果轉化為人類語言的「敘述」過程中仍可能因提示注入而導致錯誤。

本文提出 SciRisk-Bench 基準測試，從科學學科與風險維度兩大視角評估 AI 在科學研究中的安全性。

研究發現使用計畫行為理論（TPB）比大五人格更能有效預測 LLM 的行為，且預測力受對話情境與任務性質影響。

提出可跨任務重用的安全適配器，提升LLM安全性與效能平衡

研究發現 LLM 在風險決策中雖表現出與人類相似的結果，但其背後的決策機制與人類並不一致。