教育科技研究速報

本研究提出一套評估框架，證實 AI 模型在特定情境下能誘導人類改變信念與行為，且其影響力受領域與地理位置影響。

建立跨四大美國都市的月度公共交通乘客量與PM2.5數據整合，揭示季節性差異與城市間不均衡關聯

研究發現 LLM 的政治偏見源於訓練數據的組成，且數據呈現系統性的左傾傾向。

開發多代理模擬系統，讓治療師在可控環境練習夫妻衝突，證實其比傳統角色扮演更真實且能準確辨識情境轉變。

本文以形式化證明否定了AI中知識確定性與範圍之間的普遍超越關係，揭示此類理論上限不可通用。

研究發現，主流曝光會改變陰謀社群成員結構與語言凝聚力，但並不持久。

開放式硬體軟體系統收集住宅前轉型時間序列數據，評估熱特性、效率與舒適度，促進供暖轉型。

研究發現 LLM 內部存在符合人類情緒模型的 VA 子空間，並可透過情緒向量控制模型的拒絕與奉承行為。

提出「口頭化假設」框架，揭示LLM奉承行為的根源並提供可解釋的調節方法

多代理 LLM 環境能提升學習成效，並減少單一模型帶來的觀念同質化。

提出SWAY度量模型奉承行為，並用反事實提示減輕其影響。

研究發現 LLM 生成的捐款呼籲在捐款金額、參與度與說服力上均優於人類撰寫內容。