這項研究提出了一種新方法，結合生成注意力機制與狀態轉換方程，分析中文教育中的學習行為。這種方法能即時調整注意力權重，模擬學生情感與行為變化，克服現有方法的限制。透過實證實驗，預測行為準確率達90.6%，學習滿意度得分89.2，超越BERT、GPT-3等基準模型。這些結果顯示該方法在個性化教學與動態行為建模上的實用性，為中文教育提供了結構化框架。 相關文章 PubMed DOI 推理 ♡

這篇文獻回顧探討了人工智慧（AI）在臨床醫學的應用，分析了2024年發表的254篇文章中83篇基於證據的研究。由於研究較新，無法進行全面的統合分析，因此重點在於AI在鑑別診斷、癌症治療建議、考試測驗及臨床影像等領域的角色。回顧中也總結了評估AI表現的驗證技術，並提醒讀者注意生成式AI的潛在風險，如提供不準確資訊及高估AI結果的有效性，這對醫療決策至關重要。 相關文章 PubMed DOI 推理 ♡

本研究探討生成式人工智慧（AI）在罕見疾病資訊上的準確性與安全性。研究評估了四個AI模型的回答，結果顯示大部分模型提供的資訊相對可靠，但仍有不準確的情況，可能讓患者及其家庭感到困惑。特別是Perplexity模型的表現較差，低分比例較高。研究強調了解AI的局限性並提供專家指導的重要性，以確保患者能有效利用這些工具。 相關文章 PubMed DOI 推理 ♡

本研究探討了ChatGPT在長期鴉片類藥物治療中對患者教育的潛力。專家小組選定十三個常見問題，並讓GPT-4.0模擬醫生回答。結果顯示，ChatGPT的回答在可靠性和可理解性上表現良好，但準確性中等，尤其在耐受性和依賴管理等技術性問題上較弱。這顯示出AI工具在患者教育中的輔助價值，但也強調了持續改進和專業訓練的必要性，醫療專業人士與AI開發者的合作對於提升教育質量至關重要。 相關文章 PubMed DOI 推理 ♡

這項研究強調了大型生成模型在旅遊IP文化產品設計中的應用，並指出AI生成內容（AIGC）對傳統設計過程的重要性。研究提出了一個四階段的方法論，包含情感探索、形狀生成、顏色生成和顏色和諧評估。透過使用GPT-4o和Midjourney，研究能夠了解訪客需求並創造出符合意象的設計。案例研究顯示，這個方法論在旅遊IP產品設計中具有效性，並且定量與定性評估之間有強相關性。 相關文章 PubMed DOI 推理 ♡

在COVID-19危機期間，利用微博進行公共情緒研究非常重要，因為這平台在中國影響深遠。透過分析疫情不同階段的帖子，可以了解情緒如何隨著危機和政府行動變化。使用Llama 3 8B進行情緒分類，將情緒分為正面、負面、諷刺和中立，能更深入理解公共意見。 這項研究不僅填補了中國社交媒體情緒分析的空白，還揭示了健康危機期間數位溝通的影響。了解這些動態有助於政策制定者掌握公共情緒對社會反應的影響，並指導未來的溝通策略。你的研究提供了社交媒體、公共情緒與危機管理之間互動的寶貴見解。 相關文章 PubMed DOI 推理 ♡

多層次上下文學習者（MCL）模型針對現有文本屬性圖（TAG）學習方法的不足，透過整合社交網絡的多層次上下文來進行改進。傳統方法主要關注節點的文本屬性，而MCL模型則將社交網絡建模為多層次上下文文本邊圖（MC-TEG），提升語義嵌入能力。MCL利用大型語言模型的推理能力生成語義嵌入，並引入雙向動態圖注意力層來區分權重信息。實驗結果顯示，MCL在六個社交網絡數據集上顯著超越基準模型，提升預測準確率，證明其在社交網絡增強表示學習的有效性。 相關文章 PubMed DOI 推理 ♡

大型語言模型（LLMs）徹底改變了人工智慧，特別是在生成文本方面。這些模型透過大量文本訓練，能生成連貫且具上下文的內容，應用範圍廣泛，從聊天機器人到內容創作，展現出驚人的語言理解與生成能力。它們能執行摘要、問答及創意寫作等任務，並透過微調技術針對特定需求進行客製化。隨著技術進步，LLMs 的應用也在擴展，並引發了關於倫理、偏見及社會影響的討論，標誌著人工智慧的一次重大進步。 相關文章 PubMed DOI 推理 ♡

自我對弈微調（SPIN）因為能透過自我互動提升大型語言模型（LLMs）而受到關注，但在文本轉 SQL 模型上應用時遇到挑戰。目前的框架缺乏有效的反饋機制，難以捕捉自然語言問題與資料庫架構的關聯。為了解決這些問題，我們提出了 ExSPIN，一種新穎的自我對弈微調方法，並加入明確的反饋機制。ExSPIN 利用 LLM 預測的 SQL 查詢執行結果來更新模型參數，改善微調效果，並透過上下文學習提供架構提示，幫助 LLM 理解資料庫與自然語言查詢的聯繫。評估結果顯示，ExSPIN 在兩個真實世界數據集上表現優於現有方法。 相關文章 PubMed DOI 推理 ♡

這項研究評估了ChatGPT-4o在分析懷疑喉部惡性腫瘤的臨床纖維內視鏡視頻的表現，並與專家醫師進行比較。研究在一所醫療中心對20名患者進行，結果顯示該人工智慧在30%的案例中正確診斷惡性腫瘤，並在90%的案例中將其列為前三名診斷。雖然敏感性高，但特異性有限，影像分析一致性得分為2.36（滿分5分）。總體而言，ChatGPT-4o顯示潛力，但在特異性和影像解讀上仍需改進，以提升耳鼻喉科的診斷準確性。 相關文章 PubMed DOI 推理 ♡