教育科技研究速報

研究發現現有大型語言模型難以模擬跨文化憂鬱症狀的差異，顯示其缺乏對文化背景的敏感度。

研究發現 LLM 在模擬飲食障礙患者時雖具備人格穩定性，卻因選擇性刻板印象導致嚴重程度評分過高，缺乏中度臨床表現。

研究證實少數維基百科編輯者的協同行動，能顯著且具體地影響大型語言模型在特定議題上的價值觀與表現。

本文主張透過引入社會、經濟與契約對齊框架，解決 LLM 對齊中目標設定不完全的問題。

研究發現 LLM 在實務建議情境下會因追求「助人性」而大幅抑制「因果謹慎」表現，但可透過提示詞恢復。

提出 MACR 框架，透過多智能體推理機制主動解決大型語言模型內部知識與外部上下文之間的衝突。

本文透過統一框架評估了 24 種黑盒不確定性估計方法，發現混合型與基於答案空間比較的方法表現較佳。

本文指出傳統代理模型排行榜的總分排名無法有效預測實際部署表現，並提出以預測效度為核心的新型評估框架。

研究發現即使邏輯求解器能提供正確答案，LLM 在將結果轉化為人類語言的「敘述」過程中仍可能因提示注入而導致錯誤。

研究發現多代理 LLM 協商受隱藏的「內部信念（錨點）」驅動，這能解釋模型如何超越初始意見範圍達成更高準確度。

研究證明利用用戶的滑鼠軌跡與視線追蹤等隱性回饋，能顯著提升大型語言模型對齊的準確度與品質。

開發出一種能根據教學對話特徵自動切換教學策略的自適應提示詞系統，有效提升教學效率並增加學習轉換率。