教育科技研究速報

本文提出 SMARt 模型，透過四層架構與形式化方法，解決代理型 AI 在不確定性增加時的失控與幻覺問題。

本文透過專家訪談，分析了利用隨機對照試驗衡量 AI 對人類表現影響時所面臨的方法論挑戰與對應解決方案。

肯塔基大學透過跨學科策略整合 AI 工具，成功為七萬名師生提供高效的學習、研究與醫療支援。

探討高等教育機構如何透過建立跨部門的 AI 卓越中心，來解決 AI 應用碎片化並實現治理與規模化。

提出同意鏈降解概念與三層治理架構，揭示多機器人授權過程中人類同意的逐步侵蝕，並指出現行歐盟法規對此缺口。

研究發現 LLM 雖能提升參與者的討論滿意度，卻無法增加共識，且存在隱蔽的演算法引導與參與不平等風險。

本文探討 AI 對齊技術與法理學之間的結構相似性，並建議透過法律理論來優化 AI 的規則與案例處理機制。

提出一個以人為本的框架，透過利害關係人協商來解決 LLM 數據歸因、版權與經濟公平性的問題。

提出一種基於可信執行環境（TEE）的架構，在保護評估模型與準則私密性的同時，確保評估過程可被外部驗證。

本文提出 V.O.I.C.E 分類法，透過大規模實證數據分析合成語音帶來的隱私、安全與治理風險。

提出範圍×權威分類法，量化緊急介入的成本、速度與風險，並驗證其對漏洞處理效能的影響。

實體化 AI 的主要風險在於治理滯後，三種形式：觀測、制度、分配，需提前調整以避免破壞固化。