教育科技研究速報

提出 FACU 方法透過概念消除技術降低 LLM 內在偏見，並有效提升下游決策任務的公平性。

本文主張將數位浮水印從單純的內容鑑識工具，轉向理解合成內容對媒體生態系統影響的監管手段。

本文主張 AI 監管應從單純的數據保護轉向關注推論的效度，並提出一套結構化的監管框架。

研究發現 LLM 在模擬學術資源分配時，會因模型架構不同而對全球區域與學術地位展現出截然不同的偏見行為。

本文探討在生成式 AI 時代，如何透過課程重構與建立學生權利宣言，重新定義 AI 課程的教學與評量方式。

本研究首次透過模擬帳號審計，揭示了 ChatGPT 廣告內容在不同族裔與收入層級間的分配差異。

本文探討社工如何從 AI 系統的使用者轉型為開發與治理者，並提出五大技術決策角色路徑。

研究發現主流大型語言模型在生成故事時，對智能障礙者存在顯著的負面隱性偏見與刻板印象。

本文系統性回顧了大型語言模型在有害內容生成、對抗性攻擊及安全防禦技術的現狀與挑戰。

研究提出 Polistemics 基準測試，評估 LLM 在面對不確定政治資訊時，能否作為負責任的資訊中介者。

本文提出兩個理論框架，探討 AI 模擬同理心如何因結構性缺陷而導致真實人類同理心的置換與扭曲。

研究提出 Copyright-Bench 基準測試，發現 LLM 代理在執行商業任務時，即便有公有領域資源，仍常違規使用受版權保護的內容。