教育科技研究速報

本文批判了「AI 精神病」這一新興術語的誤用，並提出 AI 可能導致使用者陷入「存在漂移」的現象學觀點。

提出 PICACO 方法，透過優化元指令來解決 LLM 在處理多樣且衝突的人類價值時的指令瓶頸問題。

提出 RankAid 重新排序演算法，在維持推薦準確度的同時，優先考慮心理健康安全並阻斷有害內容。

本文探討翻譯者的勞動如何轉化為 AI 訓練的數據資本，並分析其在法律與經濟結構中被剝奪權益的過程。

本文探討將「未竟科學」概念引入電腦科學領域，藉此識別被忽視、缺乏資金或被忽略的關鍵研究問題。

研究發現即使使用者未直接透露個人資訊，大型語言模型仍能透過對話內容高準確率推論出使用者的年齡、性別與國籍。

提出同意鏈降解概念與三層治理架構，揭示多機器人授權過程中人類同意的逐步侵蝕，並指出現行歐盟法規對此缺口。

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。

透過與百位創意寫作者的研討會，探索如何利用隱喻來構建由創作者主導、具備共識與價值的語言模型治理模式。

將公平與效能視為多目標優化，揭示 Pareto 前沿由效用與公平共同決定，並指出可包含上限閾值規則，補充既有理論。

本文提出「正向對齊」概念，主張 AI 不應僅止於安全防護，更應主動支持人類與生態的多樣性繁榮。

本文提出一個統一框架來研究 AI 解釋的公平性，旨在解決模型輸出公平但推理過程存在偏見的「程序性偏見」問題。