深度分析
利用 Wikipedia、TrackStar 與 MAGIC 量化 LLM 對動物福利的影響
研究發現，125筆動物福利相關的Wikipedia編輯，使大型語言模型在相關查詢上影響力超過六成，且對同公司非相關問題無顯著效應，證明小規模編輯可低成本塑造AI對特定議題的認知，透過TrackStar與MAGIC兩種屬性分析驗證，未來或成為倡議組織的有效工具。
深度分析
研究發現，125筆動物福利相關的Wikipedia編輯，使大型語言模型在相關查詢上影響力超過六成，且對同公司非相關問題無顯著效應，證明小規模編輯可低成本塑造AI對特定議題的認知，透過TrackStar與MAGIC兩種屬性分析驗證，未來或成為倡議組織的有效工具。
深度分析
在 AI 生成百科 Grokipedia 推出之際，研究者以 17,790 對英語條目比較其與 Wikipedia 的文本與結構。分析發現 Grokipedia 文章較長、引用密度低，且呈現兩極化分布，右傾新聞來源集中於歷史與宗教條目。此結果暗示 AI 生成的百科在透明度與來源驗證上仍面臨挑戰。