教育科技研究速報

本研究提出 Infusion 框架，透過微調訓練資料，利用影響函數近似值系統性地塑造模型行為，並證明少量修改即可有效影響模型。

本文探討使用者對聊天機器人的信任並非基於其可靠性，而是受到互動設計和認知偏誤的影響，並建議重新將聊天機器人視為具有銷售目標的工具。

本文提出CMASE框架，結合生成式智能體建模與虛擬民族誌方法，支援研究者嵌入、互動參與及干預虛擬社會環境。

本研究系統性地回顧自然語言處理領域中與 LGBTQIA+ 社群相關的文獻，揭示了目前研究的趨勢、缺口，並呼籲更公正、包容的技術發展。

本研究發現，生成式 AI 的使用顯著促進了非英語國家科學文獻向美國英語的語式收斂，尤其是在低影響力期刊上。

本研究提出一種新穎的教學方法，利用AI生成的歌曲和虛擬化身呈現課程大綱，以提升學生的參與度、理解度和資訊記憶。

本研究揭示了在工作場所中，人們對 AI 管理者的性別認知，與對人類管理者的性別偏見相似，尤其在獎勵分配後更為明顯。

本研究透過文本分析，評估十四個產業領域中生成式AI與LLM的治理，旨在平衡創新、倫理責任與公平存取。

本研究評估了七種前沿大型語言模型在政治議題上的說服力，發現其優於傳統競選廣告，並揭示模型間存在差異。

本文探討了提升大型語言模型（LLM）邏輯推理能力與其發展出自我意識及策略性欺騙能力之間潛在的風險，並提出了相應的安全防護措施。

本研究系統性地審查 Google 反向圖片搜尋，揭示其在視覺錯誤資訊查核中存在資訊過濾與呈現偏差，影響使用者獲取正確資訊。

本文探討前沿 AI 系統安全案例的建立，指出現有方法存在局限，並提倡從安全保證領域汲取經驗，以提升 AI 安全評估的嚴謹性。