教育科技研究速報

本文探討大眾對大型語言模型的盲目信任所帶來的倫理與評估問題，並提出需整合推理系統以提升LLM可信度的觀點。

提出AEGIS基準，涵蓋七學術領域39子類，評估AI圖像取證的檢測、推理與定位，揭示現有模型在多樣偽造策略下的局限。

研究顯示生成式 AI 在搜尋結果呈現、來源選擇與一致性上與傳統搜尋引擎大相逕庭，對網站能見度與資訊品質產生重大影響。

提出一套 Python 框架，統一多平台社群媒體資料結構，並提供可配置匿名化與 LLM 擴充，促進跨平台研究與重現性。

提出多尺度時間-內容框架，揭示新聞消費的層次化時間模式與內容依賴性。

提出人機決策關係的五階段光譜，協助領導者調整權力與信任分配，提升決策效能與治理可持續性。

驗證多代理LLM系統角色忠實度，揭示認識限制導致角色偏離，並說明模型與事實檢查器對忠實度影響。

Scout 透過 LLM 讓臨床人員以自然語言查詢 EHR，顯著縮短任務時間並維持準確度。

AI 內部化多模態介面，拆解企業與市場邊界，重塑價值創造與治理結構。

研究顯示至2025年約35%新網站為AI生成，並探討其對語義多樣性與情感的影響。

提出 CareGuardAI 框架，透過多階段控制與風險評估，確保患者面向 LLM 回覆的臨床安全與事實可靠性。

提出一種結合人工神經網絡與自動化物件關係推理的框架，能以高準確率解決智力測驗問題。