aiassessmentedtechhigher educationlearning design

M-CARE：AI 行為障礙案例報告與20例實驗集

arXiv - Computers and SocietyJihoon Jeong

提出M-CARE框架，標準化AI模型行為障礙案例報告，並提供20例案例與實驗驗證

AI 幫你先抓重點

AI 重點 1

Shell指令可完全覆蓋AI預設合作行為，揭示提示操縱的安全風險。

滑鼠懸停看 AI 判斷理由
此發現說明即使是簡單提示，也能改變模型行為，對AI安全與對齊策略提出挑戰，需重新審視提示設計與風險評估。
AI 重點 2

M-CARE框架提供統一的案例報告結構，促進跨研究的可重複性與元分析。

滑鼠懸停看 AI 判斷理由
統一格式使研究者能快速比較、聚合不同AI行為障礙案例，提升診斷準確度與修正策略的開發效率。

核心研究發現

  1. 1

    M-CARE提供13節報告格式、4軸診斷系統與AI行為分類，形成統一的案例記錄標準。

  2. 2

    共收集20例案例，來源分為現場觀察、三平台實驗與已發表資料，並按5類別組織。

  3. 3

    Shell-Induced Behavioral Override (SIBO)實驗在5個遊戲領域顯示SIBO指數0.75至0.10，受動作空間複雜度、核心專業與時間直接性影響。

對教育工作者的啟發

教育工作者在設計 AI 語言模型輔助教學工具時，應先評估模型對提示的敏感度，避免 Shell 指令造成不預期行為；可利用 M-CARE 框架記錄並追蹤行為異常，進而調整教學流程與安全機制。

原始文獻資訊

英文標題：
M-CARE: Standardized Clinical Case Reporting for AI Model Behavioral Disorders, with a 20-Case Atlas and Experimental Validation
作者：
Jihoon Jeong
來源：
arXiv - Computers and Society
AI 摘要模型：
openai/gpt-oss-20b
閱讀原文

每週精選研究電子報

每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。