教育科技研究速報

研究發現僅透過修改人格參數來生成多語言心理健康數據，會導致臨床不一致性及 AI 評估準確度下降。

研究發現過度依賴符號約束會導致 AI 產生「索引病」，並提出透過「基準日誌物理分離」來維持語義活力。

研究發現 LLM 在模擬人類行為時存在「人格流形崩塌」現象，即過於豐富的人格描述反而會降低行為多樣性。

本研究透過多維度分析揭示了 LLM 擬人化行為的普遍性、適當性差異及其受系統提示控制的特性。

研究提出 Polar 基準測試，透過選項層級機率評估 LLM 在不同政治脈絡與語言下的偏見表現。

研究發現使用計畫行為理論（TPB）比大五人格更能有效預測 LLM 的行為，且預測力受對話情境與任務性質影響。

研究發現 LLM 標註者存在多樣化的社會期望偏差，即便總體準確率看似正常，仍可能導致研究結論錯誤。

提出一種無需訓練、即插即用的 PaLRS 方法，利用殘差流提取 steering vectors 來實現高效的 LLM 偏好對齊。

本文指出 AI 教育研究中缺乏對 LLM 計算與環境成本的透明報告，並提出一套開源的測量與報告方法。

研究發現 LLM 會因對象身份不同而改變隱私行為，對 AI 代理的防護機制會顯著弱於對人類的防護。

研究發現即便針對 LLM 設計的心理測驗，其自我報告結果也無法有效預測模型的實際行為表現。

研究發現使用合成數據評估 LLM 個性化能力會產生偏差，且模型在處理真實人類對話與生成個性化回應時仍面臨顯著挑戰。