速報 元認知近視框架揭示大型語言模型偏見根源 研究提出「元認知近視」概念，說明大型語言模型（LLM）因資訊環境中的偏頗樣本而產生五種偏見症狀：整合無效嵌入、易受冗餘資訊影響、忽略條件計算的基礎機率、依頻率決策、對巢狀資料做不當高階統計推論。作者認為監控與控制兩大元認知機制可解釋這些症狀，並建議透過隱藏平行推理歷史讓互動式LLM在生成回應前評估近視推論風險。
