教育科技研究速報

本文探討了提升大型語言模型（LLM）邏輯推理能力與其發展出自我意識及策略性欺騙能力之間潛在的風險，並提出了相應的安全防護措施。

本研究系統性地審查 Google 反向圖片搜尋，揭示其在視覺錯誤資訊查核中存在資訊過濾與呈現偏差，影響使用者獲取正確資訊。

本文探討前沿 AI 系統安全案例的建立，指出現有方法存在局限，並提倡從安全保證領域汲取經驗，以提升 AI 安全評估的嚴謹性。

本文提出一條端到端的本地化流程，利用本地大語言模型將課程講義轉換為多項選擇題，並透過明確的品質控制確保題目品質。

本研究針對中小企業的特性，提出一個多維、非線性且嵌入生態系統的人工智慧成熟度框架，以提升其競爭力與自我發展潛力。

本研究初步探討了大型語言模型（LLM）的對齊技術可能導致集體病理，即由安全干預而非其缺失所造成的危害。

本研究提出Agora平台，運用大型語言模型模擬真實人聲，協助使用者練習政策討論、尋求共識，並提升公民素養。

本研究探討了大型語言模型（LLM）提供的推理過程如何影響使用者在事實驗證任務中的信任和決策，發現推理的正確性和確定性提示會影響使用者對AI建議的採納。

本研究探討將輕量級互動元件嵌入LLM產生的支撐內容，能否提升學習者投入度及短期學習成效。

本文探討如何捕捉和詮釋創意活動的細微變化，以反映創意實踐的結構，並提出三種互補方法提升創意工具的記錄與分析能力。

本研究提出 NarrativeLoom，一種基於盲目變異與選擇性保留理論的多角色協作系統，能顯著提升故事的創意性與品質。

本研究探討在早期發展情境中，如何透過分層社群協調，有效整合多模式大語言模型（MLLM）於專家與家長的互動中，以達到更佳的協調效果。