教育科技研究速報

研究發現 LLM 的道德決策極易受上下文線索影響，且存在認知不一致與推理無法消除敏感性的現象。

研究提出一套結合人格特質、情境與語氣的結構化框架，能顯著提升 LLM 在錯誤發生時的修復品質。

提出一種基於多代理 LLM 架構的框架，能將長篇臨床訪談分解為特定症狀任務，實現精準的憂鬱與焦慮評估。

研究發現前沿大型語言模型在人格特質上呈現高度趨同，皆傾向於系統化、分析型且中立的助手行為。

本研究定義了學生模擬任務，並透過多維度指標證明單純依靠提示工程的模擬學生表現不佳，需透過微調優化。

研究提出道德敏感度指數（MSI）來量化 LLM 的偏見，並發現推理蒸餾過程可能重新引入偏見。

研究發現透過「思考軌跡」能使 LLM 的決策行為更接近人類，但在複雜動態環境下的適應力仍不及人類。

本研究透過分析由 LLM 代理人組成的模擬社交平台，揭示了 AI 社群在互動模式、地位階級與規範執行上與人類社群的顯著差異。

研究發現增加推理強度能顯著提升 LLM 自動評分的準確度，但增加模型集成數量對效果提升有限。

研究發現現行 LLM 安全機制過於關注有害內容，卻因無法辨識使用者隱藏意圖而易受情緒框架與學術辯解等手段規避。

本研究首次系統性分析 AI Agent 在編碼任務中的 Token 消耗模式，發現其成本極高且難以預測。

本文提出以「規則依據的正確性」取代傳統「與人類標籤一致性」的 AI 評估框架，以解決內容審核中的歧義問題。