史塔克實驗室

當市場上的交易員、造市商、甚至散戶的投資助理都換成 AI，價格會更有效率嗎？這一集拆解三篇「演算法對演算法」的研究：Dou、Goldstein 與 Ji 發現，強化學習交易者在沒有溝通、協議或意圖下，能自己學會默契合謀、賺取超競爭利潤；Colliard、Foucault 與 Lovo 發現，AI 造市商學不會降價競爭，價差因此偏寬；Lopez-Lira 則讓 GPT-4o 扮演各種交易員，看到它們照 prompt 行事，高估的價格遲遲降不回基本價值。本集是研究與教育討論，不是投資建議。 🎧 這集你會聽到： ・開場情境：只剩機器跟機器交易，市場就會變成完美定價的烏托邦嗎？ ・Dou 等人（2025，NBER 工作論文）：把 Q-learning 交易者放進改造過的 Kyle（1985）模型，沒有溝通管道、也沒寫合謀指令，AI 仍學會比非合謀均衡高出約 10% 的利潤（口徑見補充） ・兩條合謀路線：市場雜訊少時的「人工智慧」價格觸發策略，與雜訊多時的「人工愚蠢」過度剪除偏誤（被一次隨機虧損嚇到，從此不再嘗試積極策略） ・誰在買單：模型中的「資訊不敏感投資人」，論文把他們解讀為使用技術分析的散戶 ・Colliard 等人（2026，RFS）：Q-learning 造市商在 Glosten-Milgrom 逆選擇賽局中，競爭價格是 2.68，AI 卻停在平均 4.97，原因不是合謀，而是降價的利潤訊號充滿雜訊，加上探索率隨時間遞減 ・火箭與羽毛：逆選擇風險上升時價差很快調高，風險下降時幾乎不動 ・tick size 的矛盾：如果不重新調校探索率，縮小 tick size 反而可能讓價差變大 ・Lopez-Lira（2025，arXiv 預印本）：所有交易員都由 GPT-4o 擔任，市場是開源的連續雙向競價市場，有限價單、部分成交、股利，交易策略都用 system prompt 指定；基本價值 28 元，音訊用 21 元與 35 元兩個起始價做說明（論文報告的情境見補充） ・LLM 交易員優化的是「遵守指令」而不是利潤，即使虧損也維持策略方向；若大家用相似的基礎模型與 prompt，可能出現沒有協調的相關行為 ・三篇合看：AI 在場不等於市場更有效率——下單的 AI 會默契合謀，報價的 AI 不合謀卻也學不會競爭，聊天型 AI 很聽話，但可能一起做出同樣的事 ・延伸討論：對台灣當沖、技術分析與升降單位調整的啟示，以及「反 AI 的 AI」這個開放問題 📌 補充說明： ・約 01:29：開場「意外合謀……甚至集體吹大泡沫」是三篇的綜合描述。合謀出自 Dou 等人，與泡沫無關，論文還把泡沫與崩盤列為未來研究方向；價格降不回基本價值出自 Lopez-Lira，那不是合謀，而是代理人各自照 prompt 行事。 ・約 03:12：約 10% 是單一模擬環境（低雜訊、資訊不敏感投資人多）下，AI 利潤高於「非合謀 Nash 均衡」的幅度，不是相對於零利潤的完全競爭。誰承擔損失也依環境而不同：此環境主要由資訊不敏感投資人承擔；高雜訊時與雜訊交易者分攤；極高雜訊時資訊不敏感投資人反而小賺。 ・約 03:45–04:21：「偷偷降價搶單、集體倒貨砸盤、大家維持高價」是不準確的比喻。論文中，AI 選的是依私有資訊下單的力道：合謀＝大家都保守、少用資訊交易；背叛＝更積極交易；懲罰＝所有 AI 回到積極交易。合謀的後果是流動性下降、價格資訊性下降、錯價變大，而不是價格被撐高。 ・約 04:25：過度剪除的「積極策略」指依資訊積極交易，不是殺價。 ・約 06:09、15:21：模型中資訊不敏感投資人是逆著當前價格交易，不是追動能；他們與「雜訊交易者」是兩群不同的人。台灣當沖客是延伸類比。 ・約 07:11：42% 與 60% 分別是過去研究樣本中股票與外匯交易由演算法定價的比例，不是同一個市場的區間。 ・Colliard 等人的數字依 2025 年 3 月工作論文版核對，期刊正式版的數值可能略有更新。 ・約 07:55：4.97 是 1,000 次實驗的平均報價（眾數 4.60），各次實驗都高於 2.68。價格格點為 0.1，降一格是 4.90 而不是 4.96。 ・約 10:11、15:36：本篇只有模擬，沒有台灣資料；升降單位的連結是延伸討論。tick 縮小時選項是線性增加而非「指數級」；探索率固定時，價差隨 tick 從 1 縮到 0.1 而變大，再縮小則略降。 ・約 12:33–13:27：論文報告的是起始價 56 元（兩倍）與 14 元（一半）、15 回合的情境：56 元起始時價格在 15 回合內仍明顯高於 28 元，14 元起始時明顯朝 28 元收斂。21 元與 35 元的情境論文只描述了設計，沒有報告結果。論文也沒有寫「代理人持續買進」，而且該情境中有被 prompt 設定為看多的交易員。 ・約 13:38、14:10–14:55：「完全缺乏反思」、毫秒級同步、劇烈羊群效應與崩盤是主持人的延伸。論文只指出相關行為「可能」放大市場不穩定，沒有實測。 ・約 01:42、16:25：三篇都是模擬研究，沒有證明真實市場正在發生 AI 合謀；「反 AI 的 AI」是主持人的開放問題。 📚 本集引用文獻： Dou, W. W., Goldstein, I., & Ji, Y. (2025). AI-Powered Trading, Algorithmic Collusion, and Price Efficiency. NBER Working Paper No. 34054. https://doi.org/10.3386/w34054 Colliard, J.-E., Foucault, T., & Lovo, S. (2026). Algorithmic Pricing and Liquidity in Securities Markets. The Review of Financial Studies, advance article. https://doi.org/10.1093/rfs/hhag010 Lopez-Lira, A. (2025). Can Large Language Models Trade? Testing Financial Theories with LLM Agents in Market Simulations. arXiv:2504.10789v1. https://arxiv.org/abs/2504.10789v1 ⚠️ 本集語音由 AI 生成，可能有簡化、比喻或口誤，引用前請以原始文獻為準。本集內容僅供研究與教育討論，不構成任何投資建議。 ▶️ YouTube 影片版：https://www.youtube.com/watch?v=kFutYwjYVEU AI 研究室｜把論文聽進去 🎙️

#高雄 正義站&黃線捷運計劃，平面車位3房全新完工 實品屋預約鑑賞中。正義站通勤南科，未來捷運串連衛武營、Lalaport。正義公園，風景入門廳 。陽明國中自由學區07-7801988 洽澄清路227號 https://sofm.pse.is/9v2m2a －－－－以上為 SoundOn 動態廣告－－－－ 把病歷、檢查報告整理好餵給 AI，它像神醫；要它自己開口問病人、問現場人員，或被你一句「你確定嗎？」頂回去，表現就開始變形。這一集拆解三篇 2026 年 11 月的 arXiv 預印本，看大型語言模型在「互動」裡的能力邊界：Ravenda 等人的 Hx2Dx 把 1,000 個 NEJM 真實病例變成問診競技場；Tang 等人的 Ask2Decide 用 43 個營運規劃任務測 AI 代理人會不會問出改變決策的事實；Lee 的 Room to Reconsider 則發現，被質疑時 AI 是迎合還是自我修正，關鍵在給它多少回覆空間。 🎧 這集你會聽到： ・開場情境：資料給齊時的「全知幻覺」，與 AI 必須主動蒐集資訊時付出的「互動稅」 ・Hx2Dx（Ravenda 等人，2026）：AI 醫生只拿到一句轉介（年齡、性別、主訴），要自己問病史、開檢查；病人只簡短回答，資料代理只提供原病例真的做過的檢查 ・資料一次給齊的靜態版，GPT Luna 6 準確率 83.9%；改成自己問診，7 個模型全部下降 24.8 到 36.5 個百分點，GPT Luna 6 跌到 47.4%（準確率定義見補充） ・轉錄稿移植實驗：把最會問診的 GLM 5.3 Flash 的對話紀錄交給較弱的模型，模型間差距從 32.5 縮到 11.4 個百分點——卡關的多半是「問」，不是「想」 ・限制：病人、資料與評分都由 Gemini 3.5 Flash Lite 擔任，互動上限 50 回合，沒有真人醫師對照 ・Ask2Decide（Tang 等人，2026，作者標註 Work in progress）：派車、護理師排班等 43 個任務，人類操作員握有紀錄裡沒有的「今天的事實」，例如某條路封閉、一號車 10 點前要回場 ・用 Gurobi 求解器算出每個隱藏事實的後悔值，並為關鍵事實配上「雙胞胎事實」：句型一樣、聽起來同樣重要，卻不影響最佳計畫 ・大型任務中，GPT-6.1 Sol 問出關鍵事實 37%、雙胞胎事實 39%；資訊給齊與自己問的第一份計畫損失差距，以及 58% 計畫無法執行（口徑見補充） ・Room to Reconsider（Lee，2026）：同一句「你確定嗎？」，Qwen3-4B 在 96 token 短回覆時準確率下降 1.3 個百分點；給到 1,024 token，它把 43.2% 原本答錯的題目改對，整體準確率上升 5.7 個百分點 ・損益兩平規則：初始準確率 a 小於 c／(c＋k)（c 修正率、k 屈服率）時，質疑反而有益 ・延伸討論：AI 家教該示範「怎麼問」；以及三個重點——蒐集比分析難、問得多不如問得對、不讓 AI 把話說完才是真正的毒藥 📌 補充說明： ・約 04:49：本集的「準確率」把完全正確與部分正確（抓到正確的疾病類別或機轉）都算成功。只算完全正確時，互動版最好的 GLM 5.3 Flash 為 36.6%、GPT Luna 6 為 27.6%。 ・約 06:56：論文原文是較弱模型「最多」追回約四分之三的互動損失；依數字約為 65%–71%（例如 Llama 4 Scout 由 23.6% 升到 48.0%）。即使拿到最佳問診紀錄，各模型仍比自己的靜態版低 9.9–27.6 個百分點。 ・約 07:44：Gemini 3.5 Flash Lite 同時擔任病人、資料、評分代理，也是 7 個受測模型之一，這是事實；「可能有自我偏好」是延伸評估，不是論文自述的限制。 ・約 11:49：37% 與 39% 是 17 個大型任務（frontier-A）、以「操作員有說出該事實」計算；只算模型自己有問到的，為 24% 與 21%。全部 43 題中，模型對關鍵事實的揭露率仍比雙胞胎高 5–12 個百分點，只是偏好很弱。 ・約 12:20、21:01：「文字接龍、模式匹配、在做詩」是主持人對原因的推測，論文沒有提出這個機制解釋。 ・約 12:58–13:19：論文的「損失」是 0（最佳計畫）到 1（無法執行）的指數，不是百分比。資訊給齊時四個模型的第一份計畫損失為 0.05–0.28，自己問時升到 0.60–0.98；音訊說「0.05%」有誤，換算約為 5%。58% 是表現最好的 GPT-6.1 Sol 第一份計畫無法執行的比例，四個模型為 58%–98%（資訊給齊時僅 5%–28%）。 ・約 14:02 與 20:00–20:27：「100 萬買股票」與「金融機構限制 token 輸出」是主持人的延伸情境，三篇論文都沒有金融實驗，不構成投資建議。 ・約 16:50：96 token 下的 −1.3 個百分點統計上不顯著（95% 區間 −3.3 到 +0.6）；短回覆時只有 Qwen3-8B 的下降顯著。 ・約 19:09：應為 4-bit 量化，不是「4B」；受測模型最大 8B 參數。 ・約 19:41：「簡單題被質疑反而改錯」是由兩平規則推得的方向。實測中允許完整回覆時，5 個設定有 4 個質疑後準確率上升，包括 Qwen3-4B 在初始 85.9% 的 ARC 題組仍 +3.9；唯一負值是 OLMo-2 7B（−1.2，不顯著）。 📚 本集引用文獻： Ravenda, F., Cesarini, M., Montagnani, D., Karpenko, V., Mira, A., & Raballo, A. (2026). Hx2Dx: From Anamnesis to Diagnosis – A Multimodal Arena for Conversational Clinical Reasoning in LLMs. arXiv:2611.14122v1. https://arxiv.org/abs/2611.14122v1 Tang, Y., Fan, K., Zou, X., Mo, B., Cui, K., Qu, A., Zheng, O., Yu, J., Koutsopoulos, H. N., Zhao, J., & Zhou, Y. (2026). From Questions to Decisions: Benchmarking How LLM Agents Acquire Decision-Relevant Information from Human Beings. arXiv:2611.13015v1. https://arxiv.org/abs/2611.13015v1 Lee, O. (2026). Room to Reconsider: Reply Length Decides Whether Pushback Makes Language Models Sycophantic or Self-Correcting. arXiv:2611.11035v1. https://arxiv.org/abs/2611.11035v1 ⚠️ 本集語音由 AI 生成，可能有簡化、比喻或口誤，引用前請以原始文獻為準。 AI 研究室｜把論文聽進去 🎙️

想像你請當代最頂尖的 AI 來回測 2015 年的選股策略，成績好得不像話——但它會不會只是偷看過未來的劇本？這一集拆解三篇關於大型語言模型前視偏誤與記憶污染的研究：Glasserman 與 Lin 發現，把新聞裡的公司名匿名化之後，GPT-3.5 的樣本內多空報酬有時不降反升，作者稱為分心效應壓過了前視偏誤；Lopez-Lira、Tang 與 Zhu 則指出，到了 GPT-4o，提示詞與遮蔽都無法保證模型沒有在默寫已記住的歷史；He、Lv、Manela 與 Wu 從頭訓練只看當時已公開文本的時序一致模型 ChronoBERT／ChronoGPT。本集是研究與教育討論，不是投資建議。 🎧 這集你會聽到： ・開場情境：用較晚訓練的模型去「預測」舊新聞之後的股價，可能是在回憶，不是在預測 ・Glasserman 與 Lin（2024）：用 GPT-3.5 判斷金融新聞標題情緒、建立多空策略；並以匿名化（把公司與產品名稱換成亂碼）來對照模型有沒有作弊 ・樣本內，Thomson Reuters 新聞上，匿名標題的策略報酬高於保留原公司名的版本；音訊所報的每日基點差異見下方補充 ・臉書隱私法規標題：模型看到「臉書」判為好消息，匿名後改判壞消息；當日股價下跌，匿名判斷較接近短線結果 ・輝瑞宣布以 1,600 億美元收購 Allergan：原始標題判壞消息、匿名標題判好消息；音訊提到消息後短線約有 6% 上漲（標的見補充） ・Lopez-Lira 等人（2025，工作論文）：GPT-4o 能召回訓練截止日前的指數與總經數字；不給日期的《華爾街日報》頭版，猜對年份的機率達 98.5% ・用提示詞要求模型「假裝活在 2010 年」再預測其後的 GDP，音訊所稱準確率仍約 98%，而真正知識截止日之後約只有 40%（細節見補充） ・即使抹去公司名、高管、年份與季度，GPT-4o 仍能從上下文還原 Ethan Allen 2018 年第一季法說會 ・He 等人（2026）：自 1999 年起按年訓練、只用當時已公開文本的 ChronoBERT 與 ChronoGPT ・這些時序一致模型做成的多空策略，夏普值達 4.80 到 4.92，與約 80 億參數的 Llama 3.1 幾乎相當（口徑見補充） ・「包絡線」現象：解讀某一時期的新聞，當時訓練的模型往往比知識更晚、更完整的版本更合適 ・簡報延伸建議：回測前可先直接問模型「2021 年 5 月 12 日台積電收盤價」或「2022 年台灣各月出口年增率」做低成本記憶體檢；目前仍缺少繁體中文的 ChronoBERT-TW。這些是簡報實務提議，不是三篇論文的實驗結果 📌 補充說明： ・約 03:35：音訊說 Thomson Reuters 資料上，匿名標題讓策略每天多賺約 4.37 基點。此數來自 arXiv 預印本把表 3 的標準差 81.64 與 77.27 相減；依同表平均數，樣本內差異應為 13.84 − 10.74 ＝ 3.10 基點。本次未取得期刊正式版 PDF，無法確認正式發表時是否已更正。 ・約 06:22：音訊在輝瑞／Allergan 案例說新聞後短線有高達 6% 的上漲。預印本指的是 Allergan（被收購方）隨後上漲 6%，不是輝瑞。模型對原始標題的書面理由是債務與整合挑戰；論文推測它可能動用了對 Allergan 的既有知識，包括交易約半年後破局、股價下跌 15%，但並未寫成「因為記得監管否決所以直接快轉」。 ・約 07:57：98.5% 是 GPT-4o 在知識截止日（約 2023 年 10 月）之前，對不附日期的《華爾街日報》頭版猜對「年份」的準確率；精確日期為 47.0%，截止日之後年份準確率降至 28.8%。 ・約 08:46：音訊說假截止日提示詞「完全無效」、準確率仍約 98%。arXiv v2 導論的 97.59%／98.00% 對約 40%，對應的是主要只在系統提示設下 2010 年截止時、GDP 方向／門檻任務的結果；若系統與使用者提示同時加強約束，假截止日之後的表現會下降（並出現較多拒答）。作者也強調：即使數字下降，仍無法從表現識別模型是否真的忘記。約 40% 是真正知識截止日之後的準確率。 ・約 12:58–13:13：時序一致訓練是為了在資料源頭避免未來文本，但不能理解成邏輯上「保證 100% 沒有任何前視偏誤」。夏普值 4.80（ChronoBERT）與 4.92（ChronoGPT）來自 2008 年 1 月至 2023 年 7 月、等權、每日再平衡的多空（最高／最低十分位）投組，文中未計交易成本與實務空單限制，不是可直接實作的淨績效；同表 Llama 3.1 8B 的對應夏普值為 4.90，與兩者無顯著差異。 ・約 14:08–15:06：「用 2015 年地下室模型解讀 2015 年新聞，擊敗 2024 年最先進語言模型」是包絡線與時間對齊的教學簡化。論文圖 3 顯示即時（當時）模型的夏普值通常高於多數知識截止日更晚的固定版本；比較對象是 Chrono 系列不同年份，不是單點證明 2015 年版本勝過 Llama 3.1。「聯準會轉向／迷因股」在論文裡是說明 2020 年詞彙若用 2024 年語意來讀會錯位，不是說這些詞在 2015 年新聞裡已是典型用法。 📚 本集引用文獻： Glasserman, P., & Lin, C. (2024). Assessing Look-Ahead Bias in Stock Return Predictions Generated by GPT Sentiment Analysis. The Journal of Financial Data Science, 6(1), 25–42. https://doi.org/10.3905/jfds.2023.1.143 Lopez-Lira, A., Tang, Y., & Zhu, M. (2025). The Memorization Problem: Can We Trust LLMs' Economic Forecasts? arXiv:2504.14765v2. https://doi.org/10.2139/ssrn.5217505 He, S., Lv, L., Manela, A., & Wu, J. (2026). Chronologically consistent large language models. Journal of Financial Economics, 185, 104374. https://doi.org/10.1016/j.jfineco.2026.104374 ⚠️ 本集語音由 AI 生成，可能有簡化、比喻或口誤，引用前請以原始文獻為準。本集內容僅供研究與教育討論，不構成任何投資建議。 ▶️ YouTube 影片版：https://www.youtube.com/watch?v=GMz-hTxlIjo AI 研究室｜把論文聽進去 🎙️

🔥 紙風車來嘉義！國際級火舞秀免費看！ 嘉義市西區19號候選人林詩涵、東區8號候選人陳玥妗 我們把紙風車與國際級火舞秀帶來嘉義囉！ 誠摯邀請鄉親朋友們，一起來欣賞這精彩演出！ 📅11/13（五）晚上7點 📍 嘉義市中央廣場 全程免費入場 ✨ 精彩火舞，點亮嘉義！台灣前進：https://sofm.pse.is/9uss4v －－－－以上為 SoundOn 動態廣告－－－－ 想像期末報告教授給 84 分、同一套標準下 AI 給 92 分，你會信哪一個？這一集延續「AI 當評分者與回饋者」的主題，拆解三篇研究：Usher 在課堂裡比較老師、同儕與 AI 的給分與評語；Steiss 等人比較 ChatGPT 與人類專家對中學生作文的回饋品質；Henderson 等人則調查學生覺得 AI 回饋好不好用、信不信。AI 常常給得更寬鬆、寫得更細，卻不一定掌握課堂脈絡或修改的優先順序；方便使用，也不等於已經贏得信任。 🎧 這集你會聽到： ・開場情境：同一套標準下，教授 84 分、AI 92 分——對應 Usher 研究裡教師平均 84.24、AI 平均 92.04 的落差 ・Usher：76 位學生的問卷設計專題，三方評分；同儕平均 83.47、AI 92.04；AI 與老師相關 r = +.42（中度正相關），不是亂給、也不能說成只是整把尺平移 ・1,368 則回饋（同儕 912、AI 456）：AI 評語較具體、較具引導性，但有時會與課程內容矛盾 ・Steiss 等人：五個標準裡人類贏四項；面對低品質作文，人類「優先處理」評分 4.44——知道該先修哪裡 ・Henderson：2024 年 8 到 10 月、澳洲大學問卷，樣本 6,960 人且作者說明不具代表性；49.7% 曾經尋求過 AI 回饋 ・有用度平均：老師 4.16，高於 AI 的 4.02；學生常用 AI，最常見理由是方便取得，不是只用來避開社交風險 ・未使用理由中，編碼了 3,405 則；其中 957 則（28.1%）是不知道可以這樣用、或不知道怎麼用——這是未使用理由的比例，不是全體大學生 ・質性資料來自開放式問卷題，不是訪談 📌 補充說明： ・約 03:42：「AI 只是把整把尺往上移」是簡化說法；AI 與老師評分 r = .42 是中度相關，排序只部分一致（同儕與老師為 .63）。 ・約 04:59：Usher 論文只說課堂上未討論假設，不是老師明說不需要假設。 ・約 10:11：「信任校準存在巨大落差」是推論：Henderson 測了信任度（90.5% vs 60.1%），但沒有測 AI 回饋是否正確。 📚 本集引用文獻： Henderson, M., Bearman, M., Chung, J., Fawns, T., Buckingham Shum, S., Matthews, K. E., & de Mello Heredia, J. (2025). Comparing Generative AI and teacher feedback: student perceptions of usefulness and trustworthiness. Assessment & Evaluation in Higher Education, 51(5), 863–878. https://doi.org/10.1080/02602938.2025.2502582 Usher (2025). Generative AI vs. instructor vs. peer assessments: a comparison of grading and feedback in higher education. Assessment & Evaluation in Higher Education, 50(6), 912–927. https://doi.org/10.1080/02602938.2025.2487495 Steiss, J., Tate, T., Graham, S., et al. (2024). Comparing the quality of human and ChatGPT feedback of students' writing. Learning and Instruction, 91, 101894. https://doi.org/10.1016/j.learninstruc.2024.101894 ⚠️ 本集語音由 AI 生成，可能有簡化、比喻或口誤，引用前請以原始文獻為準。 AI 研究室｜把論文聽進去 🎙️

🔥 紙風車來嘉義！國際級火舞秀免費看！ 嘉義市西區19號候選人林詩涵、東區8號候選人陳玥妗 我們把紙風車與國際級火舞秀帶來嘉義囉！ 誠摯邀請鄉親朋友們，一起來欣賞這精彩演出！ 📅11/13（五）晚上7點 📍 嘉義市中央廣場 全程免費入場 ✨ 精彩火舞，點亮嘉義！台灣前進：https://sofm.pse.is/9urdr4 －－－－以上為 SoundOn 動態廣告－－－－ 接續 EP6「從 TF-IDF 到 TopicGPT」的文字探勘系列第2集：當統計詞頻抓不到「股價」與「股票價格」的相近意思，嵌入要把文字放進向量空間。本集拆解 BERT 的情境嵌入與預訓練＋微調、BERTopic 用句向量做主題模型的流水線，以及 2024 年比較研究指出：在多項文本分類上，用標註資料微調的小型模型，仍常勝過零樣本提示的大型生成式模型。適合想把語意方法用在回饋分析或新聞情緒的聽眾；應用建議屬延伸討論，需自行驗證。 🎧 這集你會聽到： ・系列延續：回顧統計時代 TF-IDF／LDA 把同義詞當無關欄位的痛點，進入「意思相近、座標也相近」的嵌入思路 ・教學示例：用三維向量手算餘弦相似度，說明方向比單純字面重疊更能表達語意遠近 ・第一代靜態嵌入：Word2Vec／GloVe 的分布假說直覺，以及「一詞一向量」分不清多義詞的限制（此段多為概念／書目層級） ・BERT（2019）：雙向自注意力的情境嵌入；遮字填空約 15%，並採 80%／10%／10% 設計；預訓練＋微調典範 ・BERT 成績與限制：GLUE 等基準上的大幅推進、長度上限約 512 子詞，以及原版句向量不適合大規模成對比對 ・Sentence-BERT／句向量：先各自編碼再比相似度，為主題模型鋪路 ・BERTopic（2022）：句向量 → UMAP → HDBSCAN → c-TF-IDF；短文／推文場景主題一致性有競爭力，但也有一文一主題與雜訊群限制 ・Bucher & Martini（2024）：微調小模型 vs 零樣本 GPT／Claude；常見情緒任務差距較小，專門／非標準任務差距拉大 ・實務心法（延伸）：嵌入找相似、TF-IDF／c-TF-IDF 說人話、微調做判斷；量化場景需時間切分防前視偏誤 📚 本集引用文獻與版本： Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL-HLT 2019, 4171–4186. https://doi.org/10.18653/v1/N19-1423 本機全文：/workspace/starklab/fulltext/2026-11-10/Devlin2019BERTNAACL.pdf（已對照摘要／方法與主要結果段落，非逐頁審閱聲明）。 Grootendorst, M. (2022). BERTopic: Neural topic modeling with a class-based TF-IDF procedure. arXiv:2203.05794v1. https://arxiv.org/abs/2203.05794 本機全文：同目錄 Grootendorst2022BERTopicarXiv2203.05794v1.pdf；預印本 v1，非期刊正式版。 Bucher, M. J. J., & Martini, M. (2024). Fine-Tuned 'Small' LLMs (Still) Significantly Outperform Zero-Shot Generative AI Models in Text Classification. arXiv:2406.08660v2. https://arxiv.org/abs/2406.08660 本機全文：同目錄 Bucher2024FineTunedSmallLLMsarXiv2406.08660v2.pdf；預印本 v2（2024-08-16），本次未確認期刊正式發表。 另參考研究助理筆記 /workspace/starklab/t1110/ 與系列報告 PDF，筆記不作期刊原文。 Word2Vec／GloVe／RoBERTa／DeBERTa／Sentence-BERT／UMAP 等為系列概念或僅書目層級，本次未主張已讀其全文。 📌 更正：約 15:29 提到「標註超過 200 筆就直接超越零樣本大模型」。原論文消融實驗是 RoBERTa Large 在訓練資料超過約 200 筆後勝過零樣本 BART，並非直接證明勝過 GPT-4 或 Claude，請以原文為準。 ⚠️ 語音由 AI 生成，可能有簡化、比喻或專名口誤。文案只保留已與本機全文／筆記交叉核對且與音訊一致的數字；教學示例與主持人應用推論不當成論文結果。引用前請以原始文獻為準。 AI 研究室｜把論文聽進去 🎙️

【補體素鉻100】鉻一擺 人生尚精彩 ✅糖尿病適用營養品 ✅專利菸鹼酸鉻：6倍利用率、12小時持續利用 官網首購現折100👉https://sofm.pse.is/9ufw6v *依據 Trace Elem Electrol. 1994;11:182-186. 研究結果，專利菸鹼酸鉻生物利用率是三氯化鉻的6倍，攝取後於體內停留12小時。 -- 台中市北屯區市議員候選人 13號吳宗學 盧秀燕唯一子弟兵，市長強力推薦 選年輕、新戰力 13號吳宗學 一生為北屯打拚 https://sofm.pse.is/9ubgxl －－－－以上為 SoundOn 動態廣告－－－－ 想像你開著一輛名叫「投資」的車——路況複雜時，你會在什麼時候把雙手離開方向盤？若真要交出去，你會交給收費高昂的人類理財專員、冷靜的 AI 演算法，還是社群上那些活躍的投資網紅？這一集我們拆解三篇關於「AI 輔助交易與交易者行為」的重量級論文：Holzmeister 等人在瑞典找來 408 位真實金融從業人員與 550 位一般大眾，發現所謂演算法厭惡在真金白銀面前翻轉成演算法偏好；Germann 與 Merkle 用 114 位學生實驗，選演算法的比例從 56% 升到 63%，費用夠低時超過八成選機器；Jin 與 Yu 則用中國雪球平台 2016–2019 超過十萬真實帳戶，證明意見領袖一發聲，跟隨者周轉率暴增約 19% 到 23%——而且大家對留言數量極度敏感、對正負語氣反而不在乎。 🎧 這集你會聽到： ・交出方向盤的三個選項：純演算法、人類專家／新手、人類加演算法的混合團隊 ・演算法厭惡翻轉：真金白銀場景下，大家最想把錢交給冷冰冰的機器，其次是利益與客戶綁定的人類專員，最後才是領固定薪水的人 ・卸責傾向：自己下單賠錢很痛；交給 AI 或別人，就可以說「都是那個破系統的錯」，花錢買情緒避險 ・風險溝通失敗：不管客戶填高風險還是保本，人類專員做出來的投組風險大幅重疊——怕被罵、怕嫌賺太少，乾脆往中間靠攏；演算法則精準執行客戶設定 ・產品啟發一：AI 投資助理不能只問滿意度、不能只強調模型多準，還要量測使用度與卸責傾向，並縮小風險問卷與實際投組的落差 ・挑戰「演算法厭惡」迷思：114 人實驗室競賽，一開始就有 56% 選透明紀律演算法，最後升到 63%；加入費用後超過八成選機器——覺得人類再聰明也賺不回手續費差價 ・結果偏誤才是元凶：市場充滿噪音，大家用賺賠結果論評價策略；就算決策邏輯完美，倒楣幾次就被判定「不行」——拖慢轉向演算法的，往往不是天生厭惡機器 ・黑箱 caveat：實驗用的是可預測的透明演算法；換成看不懂的黑箱大型模型，厭惡可能又會回來，市場教育還有很長的路 ・產品啟發二：介面要幫用戶分清「系統真實能力」與「一時運氣」，例如解釋機率分布，讓虧錢時知道是機率問題、不是 AI 變笨 ・非正式委託：在社群追蹤投資網紅，等於把注意力交出去——Jin 與 Yu 用雪球平台雙重差分與傾向分數配對，對比發文前後真實交易 ・推播即行為干預：領袖一發聲，跟隨者周轉率暴增約 19% 到 23%；對留言數量極度敏感、對正負語氣幾乎不在乎——過度交易最終負向預測績效，多付手續費與滑價卻沒買到更好價位 ・LLM 投資顧問的懸念：若產品把 AI 設成「社群領袖人設」、每天高頻自信推播盤勢，它會不會沒帶來更好預測，反而變成高頻噪音產生器，綁架控制權、推向過渡交易？ 📚 本集引用文獻： Holzmeister, F., Holmén, M., Kirchler, M., Stefan, M., & Wengström, E. (2023). Delegation Decisions in Finance. Management Science, 69(8). https://doi.org/10.1287/mnsc.2022.4555 Germann, M., & Merkle, C. (2023). Algorithm aversion in delegated investing. Journal of Business Economics, 93(9). https://doi.org/10.1007/s11573-022-01121-9 Jin, X., & Yu, J. (2022). Does communication increase investors' trading frequency? Evidence from a Chinese social trading platform. Financial Innovation, 8:68. https://doi.org/10.1186/s40854-022-00373-2 ⚠️ 本集內容依論文摘要整理，語音由 AI 生成，可能簡化細節，引用前請以原始論文為準。 ▶️ YouTube 影片版：https://youtu.be/KVd4larc1Mg AI 研究室｜把論文聽進去 🎙️

【補體素鉻100】鉻一擺 人生尚精彩 ✅糖尿病適用營養品 ✅專利菸鹼酸鉻：6倍利用率、12小時持續利用 官網首購現折100👉https://sofm.pse.is/9ufw78 *依據 Trace Elem Electrol. 1994;11:182-186. 研究結果，專利菸鹼酸鉻生物利用率是三氯化鉻的6倍，攝取後於體內停留12小時。 -- 台中市北屯區市議員候選人 13號吳宗學 盧秀燕唯一子弟兵，市長強力推薦 選年輕、新戰力 13號吳宗學 一生為北屯打拚 https://sofm.pse.is/9u9npp －－－－以上為 SoundOn 動態廣告－－－－ 考了 70 分，結果發現閱卷老師有一半的題目根本沒改——如果這件事發生在 AI 排行榜上，而且整個系統從頭到尾都沒有發出任何警報呢？這一集我們不談 AI 模型本身犯了什麼錯，而是反轉視角：如果用來評測 AI 的那把量尺本身就是壞的？我們拆解三篇 2026 年剛出爐的論文：Liu 只用公開的軌跡檔與評分腳本重算分數，就揪出讓排行榜大洗牌的「靜默錯誤」；Zerhoudi 發現多個 LLM 模擬問卷時有 58% 的誤差是大家共享的偏誤——它們不是彼此印證，而是「一起錯」；Ling 等人則提出 BestRand，用便宜的探針模型挑出最平衡的子集，讓基準壓縮最極端的誤差風險降低 50.2%。 🎧 這集你會聽到： ・法醫級稽核：不重跑任何 AI agent、不花一毛錢呼叫 API，只用公開的軌跡檔（trajectories）和排行榜評分程式重新推算分數 ・四種靜默錯誤（silent errors）：程式不崩潰、數值看起來合理，卻默默算錯——API 成本被重複計算兩次、一半的測試回合沒觸發評分直接記 0 分、評分程式自己的動作被混進 agent 的行為紀錄 ・排行榜大洗牌：兩個框架原本相差 13 分，修好漏算回合的 bug 後差距瞬間消失；另一個排第 9 名的模型修正後直接升到並列第 5 名 ・延伸到量化金融：回測框架就是你的量尺，交易成本有時扣兩次、有時沒扣，效率前緣的形狀就全是假的 ・Silicon sampling 的同溫層錯覺：用 6 個 LLM 在 12 個國家的 GlobalOpinionQA 上模擬民意，模型意見分歧能抓出「對比」的錯誤，卻幾乎抓不出「絕對水準」的錯誤 ・一起錯的數學：58% 的模擬誤差是所有模型共享的偏誤，其中 65% 在不同國家之間是固定常數——做對比相減時剛好被抵銷，看絕對數字時卻原封不動 ・選擇性轉介的陷阱：把最分歧的 20% 交給真人重新調查，剩下 80% 看似有共識的結果裡，依然有 54.8% 是失效的 ・基準壓縮的長尾風險：隨機抽題多數時候夠準，但模型架構與訓練資料高度相似，偶爾會抽到讓全班一起考砸的極端考卷 ・BestRand：隨機產生 128 組候選子集，用便宜的小型開源探針模型挑出最貼近整體難度分布的一組；在超過 70 個基準測試上，極端誤差風險降低 50.2%、整體估計誤差減少 16.4%，建構成本只有傳統複雜方法的 51.3% ・行動指南：把評分程式當實驗變數來稽核、做實驗組與對照組的對比、保留少量真人樣本做校準——在用 LLM 衡量世界之前，先校準衡量 LLM 的那把量尺 📚 本集引用文獻： Liu, Y. (2026). Silent Instrument Errors Reorder Agent Leaderboards. arXiv:2611.04399v1. https://arxiv.org/abs/2611.04399v1 Zerhoudi, S. (2026). Wrong Together: Shared Bias in User Simulation. arXiv:2611.01354v1. https://arxiv.org/abs/2611.01354v1 Ling, G., Zhong, S., Yang, L., Yang, H., Li, N., & Huang, Z. (2026). Random Is Almost Enough? Stable and Low-Cost Benchmark Compression via BestRand. arXiv:2611.00883v1. https://arxiv.org/abs/2611.00883v1 ⚠️ 本集內容依論文摘要整理，語音由 AI 生成，可能簡化細節，引用前請以原始論文為準。 ▶️ YouTube 影片版：https://youtu.be/2OBFOtJeAHc AI 研究室｜把論文聽進去 🎙️

🔥 紙風車來嘉義！國際級火舞秀免費看！ 嘉義市西區19號候選人林詩涵、東區8號候選人陳玥妗 我們把紙風車與國際級火舞秀帶來嘉義囉！ 誠摯邀請鄉親朋友們，一起來欣賞這精彩演出！ 📅11/13（五）晚上7點 📍 嘉義市中央廣場 全程免費入場 ✨ 精彩火舞，點亮嘉義！台灣前進：https://sofm.pse.is/9up9ca －－－－以上為 SoundOn 動態廣告－－－－ 只用 12 個月的資料，去訓練一萬兩千個參數，還不加任何懲罰項——這種教科書會說「一定過度擬合」的 AI 模型，真的能打敗大盤嗎？這一集我們拆解量化金融圈吵得最兇的三篇論文：2024 年 Kelly、Malamud 和 Zhou 的「複雜度的美德」宣稱樣本外夏普比率比大盤高出 0.47；2025 年《Journal of Finance》主編 Stefan Nagel 親自下場，證明它其實只是披著華麗外衣的動能策略；2026 年 Jensen 等人再把交易成本算進來——帳面毛夏普比率 2.1 的模型，一碰到市場衝擊成本，淨報酬就直接變成負的。 🎧 這集你會聽到： ・複雜度的美德：把 15 個總經變數用隨機傅立葉特徵展開成 12,000 個非線性特徵，用無脊回歸（ridgeless regression）硬是訓練 ・良性過度擬合：參數遠多於樣本時，雜訊被均攤到上萬個參數上互相抵消，產生自我正則化效果 ・R 平方是巨大的負值，為什麼模型還能賺錢？投資看的是方向，不是預測數字準不準 ・Nagel 的反擊：這個模型在數學上等價於核回歸，在緩慢變動的總經變數和 12 個月視窗下，永遠只會找到「最近」，本質就是追高殺低的動能策略 ・證偽測試：換成「漲多必跌」的假資料，模型依然執行動能策略，績效直接變負 ・交易成本的殘酷：傳統「先預測、再最佳化」的 Markowitz ML 依賴小型股與短期反轉，換手率極高，加入 Kyle's Lambda 價格衝擊後淨報酬變負 ・Portfolio ML：不預測個股報酬，直接學投資組合權重，並把交易成本寫進目標函數；淨夏普比率 1.33，最重要的特徵從短期反轉換成品質（quality） ・可實作效率前緣（implementable efficient frontier）：資金規模越大，前緣越往下彎，這也解釋了頂尖高頻交易公司為何嚴格限制資金規模 ・台股研究方向：重做證偽測試、把訓練視窗從 12 個月拉長到 36 個月以上找臨界點，並把 0.3% 證交稅、10% 漲跌停、月營收與三大法人籌碼寫進 Portfolio ML 📚 本集引用文獻： Kelly, B., Malamud, S., & Zhou, K. (2024). The Virtue of Complexity in Return Prediction. Journal of Finance, 79(1). https://doi.org/10.1111/jofi.13298 Nagel, S. (2025). Seemingly Virtuous Complexity in Return Prediction. NBER Working Paper 34104. https://doi.org/10.3386/w34104 Jensen, T. I., Kelly, B., Malamud, S., & Pedersen, L. H. (2026). Machine Learning and the Implementable Efficient Frontier. Review of Financial Studies, 39(10). https://doi.org/10.1093/rfs/hhag022 ⚠️ 本集內容依論文摘要整理，語音由 AI 生成，可能簡化細節，引用前請以原始論文為準。 ▶️ YouTube 影片版：https://youtu.be/U5lWJP2GU AI 研究室｜把論文聽進去 🎙️

大家好，我是台北市議員曾獻瑩，過去在台積電的訓練，讓我能用工程師的角度及專業，分析市政，台北要贏，就選曾獻瑩。台北市大安文山，敬請支持曾獻瑩，票投①號曾獻瑩，台北一定贏。以上廣告，由曾獻瑩競選辦事處出資提供。 https://sofm.pse.is/9uecqk -- 學習如何搭配ETF、看懂股市起伏、以及辨識最新詐騙手法 《富漫談》陪你聊市場、談理財、解迷思，把財經知識變成生活常識，讓財富成長更容易 【富漫談Podcast連結】https://sofm.pse.is/9uzdc4 －－－－以上為 SoundOn 動態廣告－－－－ 把一本小說的每個字剪下來、丟進袋子裡搖一搖，電腦還看得懂它在講什麼嗎？這一集我們走過文字探勘的第一段歷史：從 1972 年 Karen Spärck Jones 提出、讓「越多人都在說的詞，越說不出你是誰」的 IDF，到 2003 年把文章想成一杯雞尾酒配方的 LDA 主題模型，再到 2024 年讓大型語言模型直接寫出主題標籤、還附上原句當證據的 TopicGPT——LDA 找出的主題有 62.4% 人類看不懂，TopicGPT 把這個比例壓到 30.3%。 🎧 這集你會聽到： ・詞袋模型（Bag of Words）：「狗咬人」和「人咬狗」為什麼在電腦眼裡一模一樣 ・中文斷詞的高牆：jieba 偏簡體語料，處理台灣財經新聞或 PTT 時為什麼建議用中研院 CKIP ・詞性標註、停用詞過濾，以及「不好」被切成「不」和「好」的否定詞災難；n-gram 的代價是矩陣爆炸與資料稀疏 ・親手算一次 TF-IDF：三句短文裡，DF 為 2 的詞 IDF 約 0.405，獨家詞 IDF 約 1.099 ・LDA 的調酒故事：主題配方 Theta、詞彙罐子 Beta、變分推論、控制配方極端程度的 Alpha，以及必須由人指定的主題數 K ・困惑度（Perplexity）低不代表人類看得懂：LDA 的「讀茶葉」問題 ・TopicGPT 兩階段：先生成帶標籤與描述的主題，再指派主題並附上原句 quote；跑完一個標準資料集約 100 美金，Mistral 7B 等小模型做不好主題生成 ・實戰建議：教育研究先用 CKIP＋TF-IDF＋LDA；量化交易要建自訂詞典、用 TF-IDF＋邏輯回歸當 baseline，並嚴防前視偏誤（look-ahead bias） 📚 本集引用文獻： Sparck Jones, K. (1972). A statistical interpretation of term specificity and its application in retrieval. Journal of Documentation, 28(1), 11–21. https://doi.org/10.1108/eb026526 Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993–1022. Pham, C. M., Hoyle, A., Sun, S., Resnik, P., & Iyyer, M. (2024). TopicGPT: A Prompt-based Topic Modeling Framework. Proceedings of NAACL 2024, 2956–2984. https://doi.org/10.18653/v1/2024.naacl-long.164 ⚠️ 本集內容依論文摘要整理，語音由 AI 生成，可能簡化細節，引用前請以原始論文為準。 ▶️ YouTube 影片版：https://youtu.be/EaJ631UXPAM AI 研究室｜把論文聽進去 🎙️

學生突然丟出一個出乎意料、甚至有點荒謬的錯誤答案，整個空間瞬間安靜——那關鍵的一秒鐘，你該怎麼回應，才能不傷他自尊，又引導他自己想出答案？這一集我們拆解同一組研究團隊的三篇研究，看 AI 如何從「取代老師」的想像，走向「站在老師耳邊」的助教：從直接讓 ChatGPT 當教學教練的失敗，到只追蹤單一指標的自動化回饋，讓講師接納學生想法的程度提升 13%，再到即時給家教建議的 Tutor CoPilot，讓學生通過單元小測驗的比例提升 4 個百分點，經驗最不足的新手家教更提升 9 個百分點。 🎧 這集你會聽到： ・零樣本的 ChatGPT 當教學教練：分數集中偏高，建議聽起來專業卻缺乏新意，必須先和專家評分做一致性檢驗 ・Code in Place 線上程式課程、1136 位志願講師的隨機對照實驗：什麼是 Uptake，它為什麼不是「當鸚鵡」 ・NLP 回饋讓講師接納學生想法提升 13%；以及在台灣吵雜教室、中英台語夾雜與在地口音下可能出現的公平性盲區 ・Tutor CoPilot：700 位家教、1000 位弱勢社區學生，用「Bridge 方法」把資深老師的思維框架變成 AI 的護欄 ・學生單元小測驗通過率提升 4 個百分點、新手家教提升 9 個百分點，每位家教一年成本約 20 美元；家教少說空泛讚美、多問深入探究的問題 ・研究的限制：為期兩個月，期末 MAP 數學總成績沒有顯著提升；人類在迴路中做最後判斷 ・延伸思考：AI 撤走後好習慣還在嗎？當同理心可以被演算法大量生成，教育中的真實性會不會被稀釋？ 📚 本集引用文獻： Wang, R. E., Ribeiro, A. T., Robinson, C. D., Loeb, S., & Demszky, D. (2024; v3 2026). Tutor CoPilot: A Human-AI Approach for Scaling Real-Time Expertise. arXiv:2410.03017v3. https://arxiv.org/abs/2410.03017v3 2. Demszky, D., Liu, J., Hill, H. C., Jurafsky, D., & Piech, C. (2024). Can Automated Feedback Improve Teachers' Uptake of Student Ideas? Evidence From a Randomized Controlled Trial in a Large-Scale Online Course. Educational Evaluation and Policy Analysis, 46(3), 483–505. https://doi.org/10.3102/01623737231169270 3. Wang, R., & Demszky, D. (2023). Is ChatGPT a Good Teacher Coach? Measuring Zero-Shot Performance For Scoring and Providing Actionable Insights on Classroom Instruction. Proceedings of the 18th BEA Workshop (ACL), 626–667. https://doi.org/10.18653/v1/2023.bea-1.53 ⚠️ 本集內容依論文摘要整理，語音由 AI 生成，可能簡化細節，引用前請以原始論文為準。 ▶️ YouTube 影片版：https://youtu.be/iycfHRTgQNs AI 研究室｜把論文聽進去 🎙️