教育科技研究速報

本文提出 RedTopic，一種透過情境化生成、聚合獎勵和多目標強化學習，提升大型語言模型紅隊測試主題多樣性的新框架。

本研究開發一種能直接輸出自然語言的探測器，透過「潛在QA」任務，更精準地理解和控制大型語言模型的內部運作。

本研究探討感官、情感與文化體驗如何影響使用者對以非物質文化遺產為主題的虛擬實境遊戲的接受度與使用意圖。

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。

本文認為生成式 AI 並非電影製作的革命性突破，而是長期以來創意勞動與技術可能性協商的延續，並提出分佈式創造的視角。

本研究探討科技如何支持台灣 LGBTQ+ 群體在面對社群敵意時，探索自我認同、尋求敘事及建立韌性的自主性。

本研究透過混合方法，分析法國數位新聞中提問的策略，揭示提問如何反映權力關係並塑造議題討論。

本研究透過跨國比較，發現政府普遍提供智慧家居安全預防建議及事件通報管道，但針對事件發生的具體應對指導卻明顯不足。

TrustFed 提出一個聯邦不確定性量化框架，在異質且不平衡的醫療數據中提供有限樣本覆蓋保證，無需中央存取資料。

本研究提出一個雙階段框架，評估大型語言模型在孟加拉語九種方言的問答表現，揭示了方言差異對模型效能的顯著影響。