碩論：AI 代理人影響文獻（資料科學視角）｜2026-10-25

主題一：AI 代理人影響

1. ProgRouter: Online Progress-Guided Orchestration for Multi-Agent LLM Workflows under Quality-Cost Tradeoffs

• 來源： arXiv:2608.25992v2
• 領域： 多代理系統與生產力
• 摘要： 研究提出依任務進度逐步選擇模型的多代理路由框架，結合多視角進度評分、雙路徑進度預測與自適應閘控，在 HumanEval Plus、MBPP、MATH-500 與 ASQA 上評估品質、時間與成本權衡。作者報告其能在維持解題表現下減少相對基線的營運成本；摘要未提供各資料集的確切效果量。
• 六維度： 對工作效率有直接技術證據；生活協助僅能由任務能力間接推論；健康、成癮、焦慮與停用反應均未直接量測。
• 目標關聯： 多代理編排可間接映射至 Hermes Agent、OpenClaw；與 Grok Bot 僅屬多步驟 LLM 工作流的間接關聯。
• 資料科學視角：

- 方法： 多視角進度評分、進度增益預測、自適應閘控及跨四種公開基準實驗。

- 資料： HumanEval Plus、MBPP、MATH-500、ASQA；容易重現，但不能代表自然使用與健康行為。

- 指標： 任務品質、進度增益、時間預算與營運成本。

- 碩論借鑑： 將路由器接入可控代理任務，記錄每步模型、工具、延遲、成本與進度，再與固定模型及單代理比較可靠性。

2. Measuring Agents in Production

• 來源： arXiv:2512.04123v2
• 領域： 軟體工程與產業實務
• 摘要： MAP 以 20 場部署團隊深度訪談及 306 名、橫跨 26 個應用領域的代理開發者問卷，盤點生產環境方法。68% 系統在人類介入前最多執行 10 步、70% 主要提示現成模型、74% 主要依賴人工評估；可靠性是首要挑戰。
• 六維度： 可描述真實部署與效率動機，但未直接量測終端生活改善、健康、成癮、焦慮或停用反應。
• 目標關聯： 可作為 Hermes Agent、OpenClaw 的工程基線；不是 Hermes、OpenClaw 或 Grok Bot 的直接產品成效研究。
• 資料科學視角：

- 方法： 20 場深度訪談與結構化問卷的混合方法研究。

- 資料： 306 名從業者、26 個領域，主分析聚焦 86 個生產或試行系統；生態效度高，但自選樣本及專有資料限制重現。

- 指標： 代理步數、人類介入、模型調整及評估方式比例、挑戰排序。

- 碩論借鑑： 以標準化事件結構收集步數、介入率、失敗類型及人工評分，並用公開任務重跑子樣本。

方法論地圖

本日方法涵蓋公開基準上的線上路由演算法實驗，以及 20 場訪談、306 人問卷的產業混合方法；前者重現性高但生態效度有限，後者貼近部署卻受自選樣本與專有資料限制，缺口是把代理遙測、真值任務、主觀負荷與停用反應放入同一研究。

可執行碩論設計

1. 代理路由的品質—成本—介入三目標實驗： 以 80–120 個可驗證知識工作任務，比較固定模型、單代理與多代理路由，分析正確率、成本、延遲與接管率，產出可重現基準及 Pareto 前緣。

2. 真實代理部署的遙測—問卷聯合模型： 招募 40–60 名研究生使用 Hermes／OpenClaw 兩週，以階層模型連結步數、重試率、工作負荷與信任，產出事件 schema 與風險儀表板原型。

3. 人類介入門檻的自適應政策研究： 在 100 個高低風險沙盒任務比較動態與固定確認政策，以錯誤攔截率、漏警率、時間及負荷評估，產出介入政策與消融分析。

資料與師資

事件日誌僅留步驟類型、時間、成本、錯誤碼與人工介入，不保存敏感提示全文；使用沙盒、知情同意與預註冊。可對接呂明頴副教授（商業智慧、人工智慧、資料探勘、行為分析）、許晋雄教授（作業研究、最佳化理論、決策分析）、吳政隆教授（文字探勘、深度學習、自然語言處理、人工智慧）。

主題二：聊天軟體成癮與生活強制性

1. Understanding Teen Overreliance on AI Companion Chatbots Through Self-Reported Reddit Narratives

• 來源： arXiv:2507.15783v4
• 領域： 青少年數位健康與 HCI
• 摘要： 研究質性分析 Character.AI 子版中 318 篇由發文者自陳為 13–17 歲的 Reddit 貼文。敘事包含衝突、戒斷、耐受、復發、情緒調節，以及失眠、學業下降與現實關係受損；作者提出 CARE 安全設計框架。
• 四維度： 可辨識功能損害與戒斷敘事，但不能估計盛行率或通用使用時數門檻；未直接量測資訊可信度、錯誤察覺率或受控的有害內容抗拒。
• 目標關聯： 直接研究 Character.AI，可間接提示 ChatGPT、Grok、Claude、Gemini 的情感使用風險，但產品目的不同。
• 資料科學視角：

- 方法： 公開社群貼文的質性內容分析，依行為成癮構念編碼。

- 資料： 318 篇 Reddit 貼文；年齡無法驗證、樣本自選，且涉及未成年人倫理。

- 指標： 成癮框架主題與敘事類型；不是臨床量表驗證。

- 碩論借鑑： 建立繁中標註手冊，以雙人編碼及一致性檢驗建置資料集，再連結自願提供的功能損害量表。

2. Trust as a Situated User State in Social LLM-Based Chatbots: A Longitudinal Study of Snapchat's My AI

• 來源： arXiv:2604.22417v1
• 領域： 信任、社群聊天與縱向 HCI
• 摘要： 研究對 27 名 Snapchat My AI 使用者進行四週縱向質性問卷，發現信任會隨能力感、對話行為、擬人化、透明度、隱私疑慮及平台信任而變動；流暢對話促進參與，過度擬人化與透明度不足可能削弱長期信任。
• 四維度： 能觀察信任動態，但未建立問題性使用門檻、錯誤察覺率或有害內容拒絕率。
• 目標關聯： 可借鑑至 ChatGPT、Grok、Claude、Gemini 的縱向信任研究；社群平台嵌入程度不同，不能直接外推。
• 資料科學視角：

- 方法： 四週縱向質性問卷與主題分析。

- 資料： 27 名使用者重複回報；縱向深度較佳，但樣本小且平台單一。

- 指標： 能力、對話行為、擬人化、透明度、隱私及平台信任等主題；摘要未載明量化信效度。

- 碩論借鑑： 以每日信任量表、查證點擊與錯誤採納事件建立個人內時間序列，分析信任偏離實際正確率的時點。

方法論地圖

本日結合 318 篇青少年自陳社群敘事的質性成癮框架分析，以及 N=27、四週重複量測的情境化信任研究；能捕捉過程與語境，卻受自選樣本、年齡不可驗證、單一平台與缺少客觀真值任務限制。

可執行碩論設計

1. 繁中聊天依賴敘事的可重現標註研究： 蒐集 300–500 則經倫理審查的公開繁中敘事，建立雙人標註規範並評估一致性與分類器 F1，產出匿名語料與基準模型。

2. 信任校準的四週微縱向研究： 招募 80–120 名成人，每日完成真偽混合問答並記錄信任、查證與錯誤採納，以多層時間序列模型估計校準軌跡，產出個人風險分群。

3. 依賴訊號與有害建議拒絕的安全沙盒： 以 150–200 名成人完成低風險模擬情境，分析拒絕率、查證率及信任校準，產出倫理化題庫與介面介入效果。

資料與師資

公開貼文仍須移除帳號、引文與可搜尋片段；成人研究採最小化端側事件日誌，有害情境須專家審查、事後說明與退出機制。可對接丁德天副教授（精神流行病學、物質濫用、青少年健康）、鄭江宇副教授（行動裝置 UX 設計與實驗、巨量資料分析與行銷應用）、蘇明祥副教授（自然語言處理、口語對話系統、情緒與人格感知）。

跨主題爭議

1. 方法論： 代理基準與產業問卷重視工程效率，聊天研究則依賴小樣本縱向回報與公開敘事；因果識別及母體代表性不同，不能互相外推為長期生活效果。

2. 量測： 低成本、高步數、流暢對話、高信任與高頻使用都不等於健康效益或成癮；需以真值任務、功能損害、客觀日誌及跨時間校準共同驗證。

3. 倫理： 代理遙測與聊天敘事可能暴露工作機密、心理狀態及未成年人身分；應最小化事件欄位、避免可搜尋原文、採成人知情同意，且有害情境只能在低風險沙盒執行。

三個爭議點

1. 方法論：代理基準與產業問卷重視工程效率，聊天研究則依賴小樣本縱向回報與公開敘事；這些設計的因果識別及母體代表性不同，不能互相外推為長期生活效果。

2. 量測：低成本、高步數、流暢對話、高信任與高頻使用都不等於健康效益或成癮；需以真值任務、功能損害、客觀日誌及跨時間校準共同驗證。

3. 倫理：代理遙測與聊天敘事可能暴露工作機密、心理狀態及未成年人身分；研究應最小化事件欄位、避免可搜尋原文、採成人知情同意，且有害情境只能在低風險沙盒執行。