教育科技研究速報

本文推出首個針對 Word、Excel 與 PowerPoint 原生格式進行綜合理解力評估的公開基準測試 OCB。

本文綜述了全球 AI 法規趨勢、風險類型及評估方法論，並指出當前研究在風險管理上的缺口。

本文主張大學應從防禦性的 AI 檢測轉向積極的 AI 整合，透過重塑評量與提升 AI 素養來促進學生自主學習。

本文探討 AI 基準測試因模型性能飽和而面臨的信號衰減問題，並指出高品質評估依賴稀缺的專家判斷。

研究提出將 AI 監督從「對抗式辯論」轉向「協作式尋求真相」的新範式，顯著提升了非專家模型的判斷準確度。

本研究評估多種 LLM 在離散數學考試評分中的表現，發現採用「寬鬆型」提示詞能有效提升評分準確度。

本文提出一個評估 AI 代理人使用科學模擬工具能力的基準測試，揭示工具使用雖能提升準確度，卻也可能導致性能退化。

本文提出 MORPHEUS 框架，透過認知、情感與行為模型，系統化地整合並分析影響網路安全的人類因素。

本研究評估了三大頂尖 LLM 在 13 種細粒度情緒分類任務中的表現，發現模型在處理複雜情緒時存在顯著侷限。

提出一個結合專家指南與真實 AI 事故數據的評估框架，用以檢測生成式 AI 對兒童與青少年的安全性。

研究提出 PRIME 框架，利用邏輯謎題揭示大型語言模型在複雜推理過程中會受社會刻板印象影響的隱性偏見。

本研究量化了群眾外包平台中 LLM 使用的盛行率，並探討了檢測與緩解其對數據有效性影響的方法。