An Empirical Evaluation of the GPT-4 Multimodal Language Model on Visualization Literacy Tasks.
對GPT-4多模態語言模型在視覺素養任務上的實證評估。 IEEE Trans Vis Comput Graph 2024-09-10

這項研究評估了GPT-4的視覺能力，特別是在視覺素養任務上的表現。結果顯示，GPT-4能識別趨勢和極端值，對視覺設計原則有一定理解，但在沒有原始數據的情況下，對簡單數值檢索表現不佳，且在區分圖表顏色時也有困難，可能出現幻覺和不一致的情況。研究反映了模型的優缺點，並探討了未來在視覺化研究中的潛力。所有相關資料可在提供的連結中找到。相關文章 PubMed DOI

VisEval: A Benchmark for Data Visualization in the Era of Large Language Models.
VisEval：大型語言模型時代的數據視覺化基準。 IEEE Trans Vis Comput Graph 2024-09-10

這篇論文探討了自然語言轉視覺化（NL2VIS）的挑戰，並指出大型語言模型（LLMs）在此領域的潛力。作者提到，缺乏全面的基準測試使得評估LLMs的視覺化能力變得困難。為了解決這個問題，他們提出了名為VisEval的新基準測試，包含來自146個資料庫的2,524個查詢，並附有準確的標籤。此外，還引入了一種自動評估方法，評估有效性、合法性和可讀性。透過VisEval的應用，作者揭示了共同挑戰，並為未來的NL2VIS研究提供了重要見解。相關文章 PubMed DOI

Fine-Tuned Large Language Model for Visualization System: A Study on Self-Regulated Learning in Education.
針對視覺化系統的微調大型語言模型：教育中自我調節學習的研究。 IEEE Trans Vis Comput Graph 2024-09-10

大型語言模型（LLMs）在智能視覺化系統中有很大潛力，尤其在專業應用上，但整合時面臨挑戰，包括領域特定問題、視覺化過程及用戶互動。為解決這些問題，我們提出了一個框架，利用微調的LLMs來改善視覺互動。在教育領域，智能視覺化系統能支持初學者的自我調節學習。我們介紹了Tailor-Mind，一個互動式視覺化系統，幫助AI初學者進行自我調節學習。研究顯示，Tailor-Mind能提供個性化建議，增強學習體驗，驗證了我們框架的有效性。相關文章 PubMed DOI

Smartboard: Visual Exploration of Team Tactics with LLM Agent.
Smartboard：使用 LLM 代理進行團隊戰術的視覺探索。 IEEE Trans Vis Comput Graph 2024-09-10

這項研究專注於利用名為Smartboard的互動系統，提升對籃球戰術的理解與客製化。作者與籃球專家合作，開發了一種漸進式的方法，讓使用者能在板上草擬戰術，並由教練代理模擬行動，視覺化結果。系統整合大型語言模型，方便使用者與教練代理溝通。Smartboard提供結構化流程，讓使用者能設置、模擬及演變戰術，進行針對特定情境的探索。案例研究顯示該系統在戰術分析和比賽設計上具有效性與實用性。相關文章 PubMed DOI

Sportify: Question Answering with Embedded Visualizations and Personified Narratives for Sports Video.
Sportify：結合嵌入式視覺化和擬人化敘事的運動視頻問答系統。 IEEE Trans Vis Comput Graph 2024-09-10

隨著籃球越來越受歡迎，許多球迷在快速且複雜的比賽中感到難以跟上。為了解決這個問題，我們推出了Sportify，一個視覺問答系統，幫助球迷理解籃球戰術。Sportify提供三種動作視覺化—傳球、切入和掩護，並利用大型語言模型來解釋球員的行動。我們測試了Sportify的效果，結果顯示它顯著提升了球迷的戰術理解，並豐富了觀賽體驗，特別是第三人稱敘述提供了詳細解釋，而第一人稱則增強了參與感。相關文章 PubMed DOI

KNOWNET: Guided Health Information Seeking from LLMs via Knowledge Graph Integration.
KNOWNET: 透過知識圖譜整合引導的健康資訊搜尋。 IEEE Trans Vis Comput Graph 2024-09-10

這篇論文介紹了KNOWNET，一個結合大型語言模型（LLMs）和知識圖譜（KGs）的視覺化系統，旨在提升健康資訊的準確性和探索性。它針對LLMs可能產生的錯誤資訊，透過提取結構化數據並與外部KGs驗證來降低風險。KNOWNET還提供結構化探索功能，根據KGs中的相關實體建議後續步驟，幫助使用者深入了解健康主題。此外，系統具備漸進式圖形視覺化功能，能追蹤過去查詢並連結當前查詢與建議。其有效性透過使用案例和專家訪談得以證實。相關文章 PubMed DOI

Promises and Pitfalls: Using Large Language Models to Generate Visualization Items.
承諾與陷阱：使用大型語言模型生成視覺化項目。 IEEE Trans Vis Comput Graph 2024-09-10

這篇論文探討了VILA管道的開發，該管道能自動生成多選視覺化項目，以評估視覺化素養。作者創建了1,404個候選項目，涵蓋12種圖表類型和13種視覺化任務，並與專家合作制定評估規則，最終形成約1,100個高品質的VILA資料庫。研究指出VILA管道的局限性，強調人類監督的重要性。此外，作者還開發了VILA-VLAT測試，顯示出良好的效度。最後，論文提供了對VILA的應用建議及實用指導，相關材料可在線獲取。相關文章 PubMed DOI

LLM Comparator: Interactive Analysis of Side-by-Side Evaluation of Large Language Models.
LLM 比較器：大型語言模型的並排評估互動分析。 IEEE Trans Vis Comput Graph 2024-09-10

LLM Comparator 是一款視覺分析工具，透過並排比較來提升對大型語言模型（LLMs）的評估。它解決了 LLM 評估中可擴展性和可解釋性的問題，讓使用者能分析為何某模型表現優於另一模型。這工具與 Google 專業人士合作開發，提供深入分析個別範例的流程，並讓使用者視覺化探索數據，識別模式、形成假設，並獲得改進模型的見解。LLM Comparator 已整合進 Google 的評估平台，並開源供更多人使用。相關文章 PubMed DOI

Prompt Engineering Paradigms for Medical Applications: Scoping Review.
醫療應用的提示工程範式：範疇回顧。 J Med Internet Res 2024-09-10

這項研究聚焦於醫療領域的提示工程，探討其如何提升大型語言模型（LLMs）處理複雜醫療文本的能力。研究回顧了114篇2022至2024年間的相關文獻，發現提示設計（PD）是最常用的方法，且ChatGPT是最受歡迎的LLM。思考鏈技術被廣泛應用，但有61%的研究未報告基準，影響有效性評估。研究旨在提供醫療提示工程的現狀，識別機會與挑戰，並提出未來研究的指導方針。相關文章 PubMed DOI

The Diagnostic Ability of GPT-3.5 and GPT-4.0 in Surgery: Comparative Analysis.
GPT-3.5 和 GPT-4.0 在外科診斷能力的比較分析。 J Med Internet Res 2024-09-10

這項研究評估了ChatGPT在診斷結腸癌的能力，特別是比較GPT-3.5和GPT-4.0的表現。研究分析了286份腸癌病例，結果顯示GPT-4.0在初診和次診的準確率均高於GPT-3.5，分別為0.972對0.855和0.908對0.617。雖然GPT-4.0在處理病史和實驗室數據上有所改善，但在識別症狀方面仍有挑戰。整體而言，GPT-4.0在臨床輔助診斷中展現出潛力，但仍需進一步研究以克服其限制。相關文章 PubMed DOI

LLM 相關三個月內文章 / 第 87 頁

可選擇其它分類: 一週新進文章 腎臟科 一般醫學 SGLT2i GLP1

LLM 相關三個月內文章 / 第 87 頁

可選擇其它分類: 一週新進文章 腎臟科 一般醫學 SGLT2i GLP1

可選擇其它分類: 一週新進文章腎臟科一般醫學 SGLT2i GLP1