教育科技研究速報

研究發現 LLM 內部存在符合人類情緒模型的 VA 子空間，並可透過情緒向量控制模型的拒絕與奉承行為。

研究發現 LLM 生成的捐款呼籲在捐款金額、參與度與說服力上均優於人類撰寫內容。

提出一種免訓練且高效的 kNNProxy 框架，透過檢索機制對齊代理模型，提升 LLM 生成文本檢測的準確度與魯棒性。

提出 DEFT 框架，透過數據過濾與分佈引導機制，提升大型語言模型對齊效率並兼顧泛化能力。

研究揭示 LLM 在面對語義相同但形式改變的數學問題時極其脆弱，並提出一套診斷框架與失敗分類法。

研究發現 Web Agent 的觀察表示法應根據模型能力與思考預算進行動態調整，而非一味簡化。

本研究透過電路級分析揭示了 LLM 產生錯誤卻表現出過度自信的內部機制，並提出有效的校準干預方法。

提出 MiCP 框架，利用符合預測技術為多輪推理模型提供具備錯誤率保證的自適應停止機制。

本研究分析了沙烏地阿拉伯境內100個電子商務網站的個人資料保護法（PDPL）合規性，並探討了大型語言模型（LLM）在自動化合規性分析方面的潛力。

本文探討大型語言模型（LLM）如何透過情境理解、政策解讀等能力，強化線上濫用偵測系統的各個階段，並分析其挑戰與未來發展。

本研究提出一原型系統，透過人機協作提升小型零售店的行銷文案品質，並證明此系統能顯著改善文案的整體評分。

本文探討了大型語言模型（LLM）在提升自動駕駛系統的感知、決策及控制方面的潛力，並提出了LLM4AD概念及相關的基準測試。