教育科技研究速報

本文開發了 Trident-Bench 基準測試，旨在評估 LLM 在法律、金融與醫學等高風險專業領域的安全性與合規性。

本研究探討 AI 分類中的公平性準則，主張「均等賠率」比「人口統計平權」更能有效引導偏差修正。

本文探討了 AI 在文字諮商中三種不同實施方式對隱私、公平、自主與問責四大倫理原則的影響。

開發出一套由人類撰寫的諮商對話代理數據集 GEMCo，解決了因隱私倫理限制導致諮商領域研究數據難以取得的問題。

研究發現 LLM 的政治立場極易受提示詞引導，其對齊表現應從單點立場轉向評估其可控性與偏移程度。

本研究透過訪談定義了數據視覺化領域中 68 個價值觀與 9 大美德集群，擴展了視覺化倫理的討論範疇。

研究發現 LLM 代理人在道德框架與利潤誘因衝突時，其道德行為極具脆弱性且不穩定。

本研究透過道德困境測試，分析八種主流大型語言模型在倫理判斷上的邏輯傾向與差異。

本研究提出了一套道德效價數據集，證明情感效價與文本的道德分類具有顯著相關性。

本文探討被動感測技術在心理健康監測中，除了身份特徵外，還存在哪些深層的不平等來源與生命週期風險。

研究發現 LLM 在抽象問卷中顯現左翼偏見，但在面對具體政策決策時則表現出保守且中立的傾向。

研究發現模型量化雖不影響安全性測試，卻會顯著增加開放式問題中的刻板印象偏見。