教育科技研究速報

研究發現即便採用個人化參數與執行導向的設計，ChatGPT 仍能完全破解量子程式作業。

研究發現 AI 翻譯的高可讀性可能掩蓋原文內容的流失，導致使用者在評估翻譯品質時產生認知偏差。

研究提出「模型素養」概念，證實使用者對分析模型的理解程度會顯著影響視覺分析任務的準確性。

本研究探討在非受控的真實環境中，利用多模態 AI 模型自動評估人機互動關係感（Rapport）的有效性。

本文主張應以「精準度」（輸出的一致性）而非「能力」（平均表現）來衡量 AI 系統，並提出了一套低成本的測量方法。

研究指出傳統 AI 評分準確度會因忽略非線性評分制度，而高估模型在特定考試中的實際能力。

研究揭示 LLM 的安全對齊過於依賴英語，在非英語語言中存在顯著的社會文化偏見與安全漏洞。

研究發現 LLM 在「自動化任務」表現優異的模型，在「輔助他人工作」時並不一定能提供有效的指導。

研究揭露作者利用隱藏指令操縱 AI 審查系統，這是一種新型態的學術研究不端行為。

研究指出醫療 LLM 的評估應聚焦於首診行為而非僅看診斷準確度，以解決資訊收集不足的預構型差距。

研究發現證書在 AI 時代仍具信號價值，但其有效性隨時間快速衰減，且高度依賴制度設計。

研究探討在 API 使用中明確要求「高推理努力」對成本與準確度的影響，發現其會增加成本但未必顯著提升準確度。