教育科技研究速報

研究發現 AI 代理在數據分析的方法設計上具備高度多樣性，但在最終結論的解釋階段極易受提示詞引導而產生偏見。

建立 SciConBench 及 SciConHarness，發現即使在清潔房環境下，AI 代理在科學結論綜合方面仍表現低效，凸顯評估與實務挑戰。

本文以倫理與社會科學視角，批判前作忽略 AI 斑點的社會功能與美學價值，呼籲以文化脈絡為基礎的討論。

提出以使用者為中心的審計框架，揭示使用者特徵如何影響大型語言模型回應的質量、內容與語氣。

本文提出代理式模擬器評估討論性投票資訊系統，並探討推薦策略與攻擊抵抗之效能。

本文透過重新利用MoReBench資料集，證明LLM在生成評分標準方面比直接回答更符合人類標準，顯示其道德推理能力遠高於先前評估。

本文主張 AI 研究者應主導軍備管制研究，結合核威懾教訓，開發驗證與外交創新，以降低軍事 AI 的即時風險。

研究發現滑動式生物識別在性別上無顯著偏差，且準確率高達92-94%。

開發基於LLM的工作流程，協助非倫理專業人員進行多框架倫理反思，避免單一答案。

本文主張將人類受試者實驗的預註冊做法擴展至AI代理實驗，並提供專屬模板以提升研究可信度。

本文以法律視角剖析生成式搜尋與影子封鎖對網路自由與創作者經濟的威脅，並評估現行法規與可能解決方案。

本文指出 AI 教育研究中缺乏對 LLM 計算與環境成本的透明報告，並提出一套開源的測量與報告方法。