BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//pretalx//pretalx.coscup.org//coscup-2026//speaker//GMSPGP
BEGIN:VTIMEZONE
TZID:CST
BEGIN:STANDARD
DTSTART:20000101T000000
RRULE:FREQ=YEARLY;BYMONTH=1
TZNAME:CST
TZOFFSETFROM:+0800
TZOFFSETTO:+0800
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
UID:pretalx-coscup-2026-JK7TYL@pretalx.coscup.org
DTSTART;TZID=CST:20260808T113000
DTEND;TZID=CST:20260808T120000
DESCRIPTION:隨著大型語言模型（LLM）驅動的 Agents 逐漸走入
 自動化工作流，從履歷篩選、客服對話到商業決策等，Ag
 ent 的自主性在提升效率的同時，也悄然埋下了不同的偏
 見與歧視的風險。由於 Agent 具備推理與調用外部工具的
 能力，其偏見往往比單純的 LLM 更加隱蔽且具備行動力，
 如何有效地評估這些智慧體，成為構建可信 AI 的關鍵挑
 戰。\n\n在此次將分享深入探討一套開源的 Agents 偏見檢
 測工具。我們將從技術角度解構 Agent 產生偏見的根源，
 並介紹如何透過自訂的知識庫與資料集來建立自動化基
 準測試，對 Agent 在特定情境下的是否有偏見的行為進行
 量化評估。\n\n本次分享的核心內容包括：\n- 偏見識別維
 度： 定義 Agent 在應用情境中的偏見樣態與基準調整。\n-
  評測工具架構： 介紹如何利用開源框架建構自動化測試
 腳本，模擬多樣化用戶輸入以誘發潛在偏見。\n- 實戰案
 例分析： 展示該工具在實際場景（如徵才 Agent 或決策輔
 助 Agent）中的檢測成果。\n- 緩解策略： 探討如何透過 Pr
 ompt Engineering 或約束層（Guardrails）在開發階段降低偏見
 風險。\n\n我們希望透過開源工具，賦予開發者主動監測
 與修正 Agent 行為的能力。這不僅是一場技術分享，更是
 呼籲開源社群共同參與，為 AI 時代建立一道公平與透明
 的防火牆。
DTSTAMP:20260601T180905Z
LOCATION:TR411
SUMMARY:邁向可信任 AI：開發者必備的 Agents 偏見檢測與緩解框架 - Jing-Tian Sung
URL:https://pretalx.coscup.org/coscup-2026/talk/JK7TYL/
END:VEVENT
END:VCALENDAR