**重點整理：** 大型語言模型（LLMs），像是GPT，對於氣候變遷的影響，往往會比專家共識（例如IPCC報告）還要誇大。這種高估的偏誤，在LLMs被設定成「氣候科學家」的角色時會更明顯。讓LLMs的回答與專家觀點一致很重要，這樣才能避免大眾產生錯誤的認知。 相關文章 PubMed DOI 推理 ♡

這項研究用transformer AI模型，結合紅外線、紫外線和^1H NMR光譜數據，能在幾秒內準確預測有機分子結構，取代傳統慢速專家系統。模型訓練於約10萬2千筆資料，解析29個原子內的分子，前15名準確率達83%，展現生成式AI在化學結構解析上的高效率與潛力。 相關文章 PubMed DOI 推理 ♡

這個全新AI架構結合視覺與語言模型，能從CTPA掃描自動偵測32種與肺栓塞相關的異常，並產生結構化報告。模型用超過6.9萬份多家醫院資料訓練，無論異常偵測、報告品質或預測存活率都優於現有方法，為PE診斷和預後帶來更全面、可解釋的解決方案。 相關文章 PubMed DOI 推理 ♡

機器學習人格評估（ML-PA）用行為數據來分析，比傳統問卷更有潛力，尤其用他人觀察資料時，效度和外部相關性都不錯。不過，信度還是偏低，特別是自我報告。樣本數、資料量和特質啟動都會影響準確度，演算法偏誤也要注意。未來隨著大型語言模型和可解釋性提升，ML-PA 有望更進步。 相關文章 PubMed DOI 推理 ♡

AspLearn 是一種創新的層級情感分類方法，利用面向感知對比學習，有效抓住同一面向句子的關聯性。這讓模型在特定面向的情感判斷上更精準，並在多個標準資料集上表現超越傳統方法，也能幫助大型語言模型挑選更貼切的情感分析範例。 相關文章 PubMed DOI 推理 ♡

這項研究分析2010到2020年GoFundMe上近13,000個神經外科募資案，發現實際募得款項僅達所需金額的18%。募資成效與疾病類型、說明內容長度及社群互動有關。GPT-4能有效分類醫療資訊。整體來說，群眾募資雖重要，但仍無法彌補醫療安全網的不足。 相關文章 PubMed DOI 推理 ♡

這項研究發現，ChatGPT-4o能協助將燒燙傷健康量表連結到ICF分類，和物理治療師的結果有中到高度一致。雖然它能加快流程，但目前還無法完全取代專家判斷。 相關文章 PubMed DOI 推理 ♡

五款主流大型語言模型在美國醫師執照考試的組織學選擇題上，平均正確率約91%，表現都很優秀，彼此差異不大。Claude 穩定性最高。雖然部分主題如肌肉組織、淋巴系統較具挑戰，但整體來說，AI 很適合協助醫學教育。不過，還是需要專業人員監督，確保可靠性。 相關文章 PubMed DOI 推理 ♡

SCassist 是一款 R 套件，結合 GPT、Gemini、Llama3 等大型語言模型，協助簡化單細胞 RNA 定序資料分析。它能在過濾、標準化、分群、細胞註解等流程，提供智慧建議和說明，讓新手或有經驗的研究人員都能輕鬆上手。套件和教學資源可在 GitHub 取得。 相關文章 PubMed DOI 推理 ♡

這項研究發現，三款大型語言模型在僅用影像描述時表現差不多，但加入臨床資訊後，Claude 3.5 Sonnet 的診斷準確率提升最多，整體表現也勝過其他兩款。不過，三者在前三名鑑別診斷的準確率上沒有明顯差異。 相關文章 PubMed DOI 推理 ♡