教育科技研究速報

主張將顯式記憶納入 LLM 是實現 AGI 的關鍵，因為高階認知功能依賴海馬體記憶，僅靠隱式統計學習不足。

將人類與 AI 的對話以水面振動的形式呈現，結合情感分析與多代理 LLM，創造可感知的情緒自我探索體驗。

本文指出 AI 被稱具備心智模型實際上僅是行為預測與偏差校正，呼籲轉向互動式共心智框架。

探討互動視覺化如何促成以人為本 AI 工具，並提出設計指導原則

提出 ACTION‑RATING 將澄清納入代理行動空間，並證明在大型分類任務中，代理能自動調整提問模式，顯著提升資訊尋求效能。

研究發現對立型聊天機器人可促進觀點轉變，支持設計更具建設性的在線討論。

研究產品經理在生成式 AI 中的倫理決策，發現組織承諾與領導支持能提升責任行為，並提出低成本個人與高成本集體兩種策略

生成式 AI 讓使用者在資訊尋找中失去主動性，導致學習成效下降，尤其是高階批判性學習。

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。

提出 RRI 框架，透過可審計的推理迴路將反思嵌入人機互動，提升穩定推理與安全性。

LLM能以更高比例表達語用意圖與奉承，提升說服力與受眾偏好。

主張大型語言模型應以個別使用者偏好為訓練目標，避免聚合偏好掩蓋多樣性與個體價值，並提出可控個人化框架以維持安全與自主。