ChunkUIE 是一個中英文通用的資訊擷取模型，透過把所有 schema 平均分成多個區塊來訓練，確保訓練和評估一致，提升 zero-shot 效果。它也加入困難的負向 schema，減少混淆，解決 schema 不一致造成的效能問題，且不需額外資料就能提升表現。 相關文章 PubMed DOI 推理 ♡

大型語言模型（LLMs）用來做投資建議時，容易延續甚至加劇原本的投資偏誤，像是過度集中、追逐熱門標的或增加成本，即使有去偏誤措施也難以完全避免。這提醒投資人和相關單位，使用LLMs時要特別注意其潛在風險與責任。 相關文章 PubMed DOI 推理 ♡

這是一則針對DOI: 10.1371/journal.pone.0290691這篇文章的更正通知。這表示原本發表的文章有錯誤，這則通知是用來更正該錯誤。你的訊息中沒有提供更多細節。 相關文章 PubMed DOI 推理 ♡

研究人員用機器學習模型（像是隨機森林和MolBART）來預測化學物質對類固醇激素生成的影響，訓練資料包含約1,800種化學物質和數千種相關酶的化合物。這些模型能快速又準確找出會干擾類固醇生成的化學品，幫助法規審查和安全評估。 相關文章 PubMed DOI 推理 ♡

這項研究發現，GPT-4能協助修正腹盆腔CT報告中的語法錯誤，提升報告清晰度，但多數修改對臨床影響有限。經驗較少的放射科醫師較易接受GPT-4建議。整體來說，GPT-4有潛力輔助報告撰寫，但在正式臨床應用前還需再優化。 相關文章 PubMed DOI 推理 ♡

**重點摘要：** 這封信回顧了開放原始碼大型語言模型在法規研究上的應用，指出它們在從FDA藥品標籤中擷取資訊方面表現優異，但也強調了像是運算資源需求高、結果不一致，以及誤分類風險等挑戰。信中也提出了一些實用的策略來克服這些限制。 相關文章 PubMed DOI 推理 ♡

作者提出用大型語言模型自動從網路上的植物描述擷取形態性狀資料，大幅減少人工整理。方法能高準確度重現現有資料庫超過一半內容，證明大規模自動化建立性狀資料庫已可行，但仍受限於描述資料的完整性。 相關文章 PubMed DOI 推理 ♡

作者開發了一套NLP流程，運用機器學習模型自動從大量文字中擷取植物性狀資料。這套基於transformer的方法，無論在分類型或數值型性狀上，表現都比傳統關鍵字或正則表達式好很多。這能有效補足全球性狀資料庫的不足，加速資料數位化。 相關文章 PubMed DOI 推理 ♡

這項研究發現，在台灣非英語學術醫院裡，醫師用大型語言模型（LLM）來產生病人訊息回覆草稿，雖然有超過一半的回覆用了LLM，但實際上並沒有明顯省下回覆時間。不同科別的使用情況和修改幅度也不太一樣。整體來說，LLM草稿算是安全可用，但目前還沒看到明顯的效率提升，未來隨著經驗增加，效果可能會更好。 相關文章 PubMed DOI 推理 ♡

機器翻譯的性別偏見問題，研究超過十年還是很難解決，單靠技術修正沒辦法徹底改善。作者回顧百篇論文，發現偏見依舊存在，尤其大型語言模型出現後，挑戰更多。未來應該從使用者、多語言和文化多元等角度，貼近真實情境來處理這個問題。 相關文章 PubMed DOI 推理 ♡