教育科技研究速報

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 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。

本文分析歐盟人工智慧法案（AI Act）在應對具自主性的 AI 代理人所帶來的治理挑戰時的不足，包括效能、濫用及公平性等問題。

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。

本文探討人機伴侶互動中，提供者對 AI 伴侶進行修改時，使用者感受到的失落與背叛，並提出「單方面關係修正權」的概念。

本文探討歐盟人工智慧法案如何將基本人權置於風險基礎治理框架的核心，並作為人工智慧系統生命週期的法律標準。

本文探討了在歐盟 AI 法案實施後，是否仍需要設立更強大的超國家 AI 署，以提升政策一致性、風險評估能力及國際合作。