教育科技研究速報

本文提出 RedTopic，一種透過情境化生成、聚合獎勵和多目標強化學習，提升大型語言模型紅隊測試主題多樣性的新框架。

本研究揭示了大型語言模型在性別推論時，即使在語境等價的情況下，其輸出結果也會出現系統性變化，違反了語境不變性的假設。

本研究重新評估 OpenAI 模型在道德困境中的表現，發現其功利主義傾向受提示方式影響，強調多重提示測試的重要性。

本研究提出 PopResume 資料集，用於因果公平性審計，評估基於 LLM/VLM 的履歷篩選系統，並揭示傳統指標無法捕捉的歧視模式。

本研究透過跨國比較，發現政府普遍提供智慧家居安全預防建議及事件通報管道，但針對事件發生的具體應對指導卻明顯不足。

本研究提出一個雙階段框架，評估大型語言模型在孟加拉語九種方言的問答表現，揭示了方言差異對模型效能的顯著影響。

本研究發現現行允許 LLM 輔助潤飾同儕審查稿件的政策，因 AI 偵測工具的準確性不足，難以有效執行，並可能導致錯誤指控。

本研究表明，多智能體協作能有效提升眼科臨床診斷的準確性，並降低潛在的危害，優於單一大型語言模型。

本研究提出 WARBENCH 框架，揭示現有大型語言模型在軍事決策情境中存在的嚴重缺陷，特別是在法律約束、邊緣運算和資訊不完整性方面。

本研究透過評估現有估算方法，建立更嚴謹的全球網路犯罪損害基準，約每年 5000 億美元，為評估 AI 對網路犯罪的影響提供依據。

本研究透過數學模型揭示，AI 文字偵測器在辨識學生寫作與 AI 生成文本時，因學生寫作風格的多元性，必然存在不可避免的誤判，且此問題非技術層面可解決。

本研究提出並驗證了一個新框架，利用大型語言模型直接預測政治議題民意調查的結果分佈，並發現其準確性優於傳統的個體查詢方法。