LLM 相關三個月內文章 / 第 64 頁
可選擇其它分類: 一週新進文章 腎臟科 一般醫學 SGLT2i GLP1

這項研究評估了Scholar GPT在口腔及顏面外科技術問題上的表現,並與ChatGPT進行比較。共評估60個問題,涵蓋阻生牙、牙齒植體等主題。結果顯示,Scholar GPT的全球質量評分平均為4.48,明顯高於ChatGPT的3.1,且提供的回應更一致且高品質。研究建議,利用學術資料庫的GPT模型能產生更準確的信息,並建議開發專門針對口腔及顏面外科的模型,以提升AI生成內容的質量。 相關文章 PubMed DOI

這項研究探討大型語言模型(LLMs)在提升病人與臨床試驗(CTs)匹配的應用,並以資訊檢索為框架。研究開發了一個多階段檢索管道,結合BM25、Transformer排名器及LLM方法,數據來自TREC臨床試驗2021-23。結果顯示,微調的LLM在查詢形成、過濾及重新排名上表現優於傳統方法,提升了識別合格試驗的有效性。雖然LLMs具競爭力,但計算成本較高,效率降低。未來研究應聚焦於優化成本與檢索有效性之間的平衡。 相關文章 PubMed DOI

Vibrio natriegens 近來在生物技術領域受到關注,因其具備成為生物工程平台的潛力。研究聚焦於其代謝特徵、合成生物學工具及生物生產等方面。本篇綜述利用大型語言模型和知識圖譜,簡化文獻調查,總結相關進展並探討未來應用。結果顯示,V. natriegens 可能在生物技術中扮演重要角色,但仍需面對其優勢與挑戰。 相關文章 PubMed DOI

人工智慧(AI)在醫療保健的應用日益普及,對護理教育帶來了機會與挑戰。護理教育者需將AI納入課程,讓學生了解其臨床應用。透過多元化的學習策略和實習經驗,學生能更好掌握AI工具的使用。此外,強調AI的倫理問題及持續專業發展也相當重要。總之,AI的整合將提升護理人員的病人護理能力,改善健康結果,並應對現代醫療的複雜性。 相關文章 PubMed DOI

2024年腎臟科專科醫師訓練的配對數據顯示,美國對腎臟科的興趣下降,候選人數減少11%,職位填補率僅66%。一項利用GPT-4模型的研究比較腎臟科與其他內科專科在智力複雜性、工作與生活平衡等七個標準上的表現,結果顯示腎臟科的排名不佳,尤其在工作與生活平衡和職業需求上得分較低。腎臟科的吸引力減弱,這在醫師短缺的情況下引發了擔憂,顯示需重新評估影響專科選擇的因素。 相關文章 PubMed DOI

隨著傳統心理健康照護面臨挑戰,數位心理健康工具變得愈加重要。Socrates 2.0是一款基於大型語言模型的工具,旨在透過蘇格拉底式對話來挑戰不切實際的信念,這是認知行為療法的核心技術。該工具配備AI治療師,並透過AI監督者和評估者的反饋來改善對話體驗。初步反饋顯示其表現良好,危險回應率低於1%。研究將於2024年開始,目標是評估其可行性,並收集用戶和臨床醫師的數據。 相關文章 PubMed DOI

FAVOR(基因變異功能註解線上資源)提供基因變異的關鍵註解,對全基因組和外顯子測序數據分析非常重要。為了提升使用者體驗,我們推出了FAVOR-GPT,這是一個利用自然語言處理的聊天機器人,特別適合沒有專業知識的使用者。它結合了大型語言模型與FAVOR數據庫,能根據查詢提供清晰的解釋和摘要,並展現高準確性。研究人員可以在FAVOR網站上使用這個工具,網址是 https://favor.genohub.org。 相關文章 PubMed DOI

這項研究分析了七個大型語言模型(LLMs)在兩個不同時間點對人格評估的反應,重點在於它們的時間穩定性和評分者間的一致性。結果顯示,像Llama3和GPT-4o的模型一致性較高,而GPT-4和Gemini則較低。不同的人格測評工具和特質會影響協議程度。整體來看,這些模型傾向於展現社會上受歡迎的人格特徵,如較高的宜人性和責任感,以及較低的馬基雅維利主義。這些發現強調了理解LLMs在模擬穩定人格特質方面的可靠性的重要性,尤其在它們的社會影響力日益增強的背景下。 相關文章 PubMed DOI

這項研究探討了被子植物的多樣性及花卉特徵,特別是開花時間在授粉綜合徵中的重要性,尤其是「蜂鳥花」綜合徵。研究人員利用來自iNaturalist的社區科學數據,分析了11,729種北美開花植物及其顏色,並運用GPT-4的視覺功能進行花朵顏色分類。他們發現,紅色或橙色花朵的物種在美國東部的開花時間受到蜂鳥到來時間的影響,顯示開花表現是授粉綜合徵的一個關鍵特徵,增進了我們對植物適應授粉者的理解。這項研究也強調了社區科學數據在揭示植物特徵及生態關係中的潛力。 相關文章 PubMed DOI

這項研究強調了ChatGPT在理論數學與實際計算拓撲之間的潛力。雖然它在數學準確性上有些限制,但能幫助缺乏編程技能的數學家將理論概念轉換成可執行的程式碼。作者展示了如何訓練ChatGPT生成相關計算程式碼,並與已知範例進行驗證。案例研究涵蓋了Betti數、拉普拉斯矩陣和Dirac矩陣的計算,以及新拓撲理論的探索。這項研究旨在將理論數學轉化為實用工具,促進各領域的應用。 相關文章 PubMed DOI