教育科技研究速報

本研究揭示了大型語言模型在性別推論時，即使在語境等價的情況下，其輸出結果也會出現系統性變化，違反了語境不變性的假設。

本研究利用大語言模型分析社群媒體資料，揭示使用者對地震預警系統的信任度與警報即時性之間存在顯著關聯，並強調使用者對「準確性」的定義與工程定義有所不同。

本研究揭示電腦科學領域的性別引用失衡，尤其在會議論文中更為顯著，並探討了同質性引用及作者網絡結構等影響因素。

本研究探討了大型語言模型（LLM）安全監控中，針對能迴避偵測並誘發不安全行為的自適應攻擊的弱點，並提出透過激活浮水印提升監控效能的解決方案。

本研究探討大型語言模型（LLM）在道德判斷時的脈絡敏感性，發現模型傾向於在特定情境下做出違反規則的判斷，且其敏感模式與人類不同。

本研究透過網路分析，揭示埃及 Reddit 社群的結構、連結模式與資訊傳播，以增進對埃及線上社群的理解。

本研究提出精細化的標註方案，區分不文明的語氣與攻擊多元主義的內容，並提升內容審核系統的準確性與可靠性。

本研究重新評估 OpenAI 模型在道德困境中的表現，發現其功利主義傾向受提示方式影響，強調多重提示測試的重要性。

本文提出一個辯證框架，旨在理解科技專案中隱含的政治意識形態，強調專案的價值觀與限制共同塑造其意識形態。

本文提出 AEGIS，一種適用於任何醫療 AI 系統的治理框架，旨在符合美國和歐盟法規，確保安全並實現持續改進。

本研究利用 K-means 演算法，分析大學生學業、人格特質及幹部經驗等數據，提供精準的職業導向建議，提升就業成功率。

本研究揭示了在歐洲和美國大選前，搜尋引擎和大型語言模型在政治資訊呈現上存在的偏見，可能影響民主進程。