教育科技研究速報

本研究透過文本分析，評估十四個產業領域中生成式AI與LLM的治理，旨在平衡創新、倫理責任與公平存取。

本研究評估了七種前沿大型語言模型在政治議題上的說服力，發現其優於傳統競選廣告，並揭示模型間存在差異。

本研究透過 PixelConfig 框架，分析 Meta Pixel 在網站上的配置，揭示其追蹤使用者活動、身份及限制分享敏感資訊的運作方式。

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。

本研究分析 NBA 裁判的判決數據，揭示了主場優勢、對特定球員的偏袒，但未發現種族偏見的證據。

本研究提出一個框架，用於估計公共運輸系統中因巴士客滿而無法搭乘的隱性需求，以提升系統可靠性及吸引力。

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。