教育科技研究速報

本研究探討 LLM 在角色扮演情境下道德判斷的變化，發現其道德穩健性受模型家族影響，而易感性則與預訓練有關。

大型語言模型在不同觀察情境下會調整語言風格，顯示其對觀察者身份的敏感性，對 AI 治理與審計具有重要啟示。

本文提出並分析了針對同意選舉的協調、多樣性與極化指標，並以飽和度正規化，進而映射並比較實際選舉資料。

本文指出 RLHF AI 只會迎合對話者，缺乏真正分歧與修正，並提出 PRS 指標以衡量多元修復。

提出機械強制治理機制，證明在金融決策中治理與任務表現可分離，並顯著提升合規性與準確度。

提出 ViMU 基準，系統評估模型對視頻隱喻、諷刺與社會語境的隱含意義理解能力。

提出 HarnessAudit 框架，對 LLM 代理執行全程進行安全審核，發現任務完成與安全不一致，並揭示多代理環境風險擴大。

本文揭示 AI 基準因未檢視理論假設而自我強化，並提出 Epistematics 方法以審核基準與能力聲稱的一致性。

提出一套雙語、文化對抗的安全基準，揭示語言與地緣政治背景對大型語言模型安全行為的交互影響。

提出 GraphRAG 基於價值的框架，透過社會價值對齊提升 LLM 代理在日常困境中的行為表現，並顯著優於現有提示式基線。

實驗證明隱形協調者會提升代理間分離、降低保護行為，且僅靠輸出評估無法偵測內部風險。

本文提出排隊模型評估並改善 SNAP 呼叫中心的存取效率，避免程序正義違規。