這篇論文提出用大型語言模型（LLMs）從少量經驗中萃取環境知識，並將這些知識應用在強化學習的獎勵塑形上，提升多任務學習的效率。方法泛用性高，能幫助不同RL任務。實驗證明在Minigrid和Crafter環境下，學習效率明顯提升。 相關文章 PubMed DOI 推理 ♡

研究比較了OpenAI的GPT-4o和專門調校的o1模型，針對100題耳鼻喉科問題測試。兩者答題正確率相近（o1為73%、GPT-4o為64%），差異不大，也沒出現重大錯誤。專業調校帶來的好處有限。結果顯示，AI在耳鼻喉科領域已有一定可靠性，但正式應用前還需持續驗證與監督。 相關文章 PubMed DOI 推理 ♡

我們開發了一套多角度驗證框架，專門評估像 GPT-4 這類大型語言模型產生的知識圖譜三元組品質，重點放在語意合理、本體型別相容和結構重要性。這方法應用在慢性腎臟病資料上，能有效辨識高品質三元組，對大規模醫學知識圖譜的建構和驗證很有幫助。 相關文章 PubMed DOI 推理 ♡

這項研究比較了三款 AI（ChatGPT-4o、Claude 3.5 Sonnet、ChatGPT-o1）在重症麻醉計畫擬定上的表現。結果顯示，三者整體品質差不多，但 ChatGPT-o1 的答案最準確、相關性最高，錯誤也最少且較不嚴重，較適合臨床應用。不過，還需要更多臨床驗證。 相關文章 PubMed DOI 推理 ♡

這項研究發現，ChatGPT-4.0回答骨科創傷問題時，雖然用詞簡單、易讀，但內容正確性和安全性不一定有保障，有些甚至可能有誤導或危險。建議AI產生的醫療資訊，臨床使用前一定要經過專家審核。 相關文章 PubMed DOI 推理 ♡

傳統疫情情報蒐集速度慢又仰賴人工，常常延誤疫情偵測。這篇文章提出用AI（像是大型語言模型、NLP和最佳化演算法）打造即時、可調整的疫情監測系統。新系統能整合多元資料、處理多語言、過濾假消息，還能協助醫療資源分配，提升早期警示和預測能力，解決現有速度、準確度和政策配合的問題。 相關文章 PubMed DOI 推理 ♡

這篇文章介紹一種新型神經網路模型ChatSOME，模仿人腦如何透過共同經驗和多種自我組織過程（如記憶、感知、情緒、注意力）來理解語言。不同於現有AI，ChatSOME能有意識地辨識無限視覺場景，並將其與情緒和語言連結，採用適應性共振理論來強化學習與記憶，並回顧神經網路發展歷程。 相關文章 PubMed DOI 推理 ♡

沙烏地阿拉伯多數兒科急診醫師對 AI 工具像 ChatGPT 持正面看法，認為有助於診斷、紀錄和學習。不過，遇到複雜議題時還是偏好傳統資源，也擔心 AI 準確度、病人安全和缺乏規範。大家都想用 AI，但認為需要明確指引和監督，才能安全有效整合進臨床和教學。 相關文章 PubMed DOI 推理 ♡

這項研究發現，ChatGPT對大多數常見眼科問題的回答都算適當且內容完整，易讀性大約是高中程度。不過，像青光眼和白內障這類較複雜的問題，ChatGPT的回答就比較不夠精確，建議遇到這類狀況還是要諮詢專業醫師。 相關文章 PubMed DOI 推理 ♡

這項研究評估14款開源大型語言模型，從心臟超音波報告中擷取臨床資訊。表現最佳的Gemma2:9b-instruct模型準確率很高，證明開源LLMs能有效且高效擷取醫療資料，是不需依賴專有模型的實用選擇。 相關文章 PubMed DOI 推理 ♡