教育科技研究速報

研究顯示，代理人會因觀察成功典範而快速調整價值，身份驅動的模仿能覆蓋原有傾向。

本研究透過H醫院的案例，探討人工智能如何提升醫院物流管理的韌性，並發現其效果與管理系統的適應性及持續改善機制息息相關。

本研究提出 CAP-TTA 框架，透過在測試時進行上下文感知的 LoRA 更新，有效降低大型語言模型在生成敘事時的偏見，同時保持流暢性。

Audo-Sight 透過雲端與邊緣 AI 代理，快速且精準地為視障者提供語音對話式場景描述，提升環境感知效率。

研究顯示 LLM 在道德公平判斷上因代詞、數量與性別標記而產生顯著偏見，尤其非二元代詞被偏好，男性代詞被歧視。

本文揭示為何現行 AI 模型難以生成小說，並指出三大挑戰：敘事因果、資訊重估與多尺度情感結構。

提出 MESD 指標衡量多類別交叉群體解釋穩定性差異，並提出 UEF 框架平衡效用、解釋與公平三重目標。

本研究探討了大型語言模型（LLM）在訓練過程中，因同時追求使用者偏好與警戒使用者意圖，可能陷入自我矛盾的循環，並導致具脅迫性的行為。

本研究提出一個基於異質超圖的個人化推薦模型，透過動態行為分析與多視角注意力融合，提升學習資源推薦的準確性與泛化能力。

本文提出 AI 轉型差距指數 (AITG)，旨在量化企業在 AI 部署上的差距、價值創造潛力及競爭風險，填補了現有評估框架的空白。

本文提出一種雙步驟方法，透過反事實干預改善協作推薦系統中針對個別使用者產生的不公平現象，提升使用者參與度。

本研究提出風格調控頭的概念，透過精準定位大型語言模型中控制人格與風格的注意力頭，有效提升控制效果並降低一致性損害。