因應薔琵來襲 太平山及龜山島預警性休園封島
記者陳木隆∕宜蘭報導 強烈颱風薔琵暴風侵襲宜蘭的機率高，林業保育署宜蘭分署考量山區可能出現豪大雨，道路及步道有落石、坍方、中斷等風險，宣布太平山國家森林遊樂區10月22日中午12時起預警性休園，園區只出不進；東北角風景區管理處亦公告：龜山島基於離島臨時碼頭靠泊等安全考量，自22日起至24日止，預警性封島3天。 宜蘭分署
1 小時前・新頭條
（媒角抵加／李豔萍綜合報導）台灣議題研究中心（TPOC）10月21日公布台北市長選舉AI民意模擬，蔣萬安支持度41.7%、沈伯洋38.0%，相差3.7個百分點。這份結果來自17,550個AI虛擬選民，含未表態者追問傾向後的答案。模型於10月19日執行，模擬中的行政區與世代各有領先者；TPOC將其定位為選情研判與策略兵推參考，並明載未訪問真實選民。
依TPOC發布說明及其連結的完整報告第5頁，支持度題設定蔣萬安與沈伯洋對決，對回答尚未決定、觀望或都不支持的虛擬受眾，再追問較傾向哪一人。傾向其中一人者計入該候選人，仍無法決定或不投者則保留原分類。
同一份模擬也測量好感度、看好度與適合度。蔣萬安好感度35.6%、沈伯洋32.8%；看好度分別為42.4%、39.4%；適合度為36.6%、30.2%。四項指標均由蔣萬安較高，以適合度差6.4個百分點最大。TPOC據此形容，模擬呈現蔣小幅領先、差距尚未拉開。
完整報告的行政區交叉分析顯示，信義區虛擬受眾支持蔣萬安57.3%、沈伯洋21.0%；松山區為54.8%、22.4%，蔣分別領先36.3及32.4個百分點。
大同區則為沈伯洋52.3%、蔣萬安27.7%；中山區為47.8%、31.7%，沈分別領先24.6及16.1個百分點。全市差距最小的是內湖區，沈41.2%、蔣39.9%，相差1.3個百分點。
年齡分組也有差異。20至29歲虛擬受眾中，沈42.4%、蔣33.5%；40至49歲為沈45.6%、蔣39.4%。60至69歲則是蔣46.7%、沈34.6%。性別分組方面，女性支持度蔣領先7.5個百分點，男性則由沈領先0.8個百分點。
在模擬設定為民眾黨支持者的代理人中，支持蔣萬安41.3%、沈伯洋41.8%，差0.5個百分點；但在適合度題，有53.7%回答兩人都不適合。中間選民代理人的支持度為蔣25.0%、沈26.0%，另有39.8%尚未決定或觀望，見報告第6至8頁。
「絕對不會投給誰」一題，沈伯洋30.5%、蔣萬安26.6%；34.4%回答兩人都可以接受，5.1%兩人都不投，3.3%拒答。TPOC分析，沈的挑戰是降低東區排斥並爭取民眾黨支持者，蔣則要鞏固大同、中山及年輕族群；這些均為研究團隊依模型結果提出的選情解讀。
TPOC方法說明列出使用GPT-5.4 mini，依性別、年齡、教育程度及歷史政黨票分布建立代理人；完整報告另說明納入即時輿情與新聞內容，讓代理人在設定情境中推演答案。研究對全體代理人施測，因此不適用傳統機率抽樣的抽樣誤差，報告同時列明模型演算法、情境及代理人模擬仍有系統性偏差。
這份AI模擬目前沒有可核實的準確率：TPOC公布的報告未列出與同期間真人調查逐題比對，或預測既有選舉結果的驗證成績。17,550個代理人能細分人口組合，模型對某些族群的共同誤判，仍可能隨模擬一起保留。Pew對美國合成受訪者的實驗也發現，模型會誤估部分族群的態度，且更換模型會改變結果。以研究用途而言，這類模擬的參考價值在於形成後續訪問與測試的假設，例如哪些族群可能仍在觀望、哪些議題值得追問；至於3.7個百分點的差距能否反映真實選情，仍待獨立真人調查與後續驗證支持。
關於電話民調的樣本、加權與未表態比例，可參閱本站台北市長民調與抽樣誤差解析。
