物聯網產生大量數據，但因處理和互通性限制，數據未被充分運用。歐洲提倡改善感應器數據訪問，尊重知識產權。新方法利用語言模型轉換數據，提高可重複使用性。GPT-4在實驗中表現出高精確度和召回率，顯示其潛力。 PubMed DOI

LLMs可協助自動化醫療行政工作，減輕醫師電子病歷負擔，提升病人護理。應注意安全、隱私、法規合規，並強調LLMs應輔助而非取代人類關懷。結合LLMs與專業知識可提升病人護理品質。在臨床環境中謹慎實施LLMs至關重要。 PubMed DOI

LLMs如ChatGPT可幫助監管機構處理龐大文件，但需克服專有信息處理、定製功能及輸出透明度挑戰。askFDALabel框架專為FDA藥物標籤開發，包含語義搜索和問答/文本生成模組，支援全面查詢。此框架可使小型LLMs成本效益地執行監管應用，展示了LLMs如何支持監管機構運作。 PubMed DOI

自然語言處理進步，讓智能系統支援工廠知識分享成為可能。使用大型語言模型（LLM）系統，從文件和專家中檢索資訊，協助解決問題。研究指出LLM有優勢，但偏好向人類專家學習。比較後發現GPT-4最佳，開源模型更具優勢。提供工廠考慮使用LLM進行知識管理的見解和系統設計。 PubMed DOI

科技越來越融入生活，家庭能源管理也跟著進步。現在房屋主人可以透過智慧裝置即時掌握能源使用情況，降低成本。推薦系統利用大型模型提供個人化建議，幫助優化能源消耗。系統根據情境和數據提供量身訂製的建議，協助調整負載或參與能源市場，省錢又舒適。比較了不同系統，評估對房主的效益。 PubMed DOI

這篇論文介紹了一種創新的方法，運用生成式人工智慧（AI）來提升用戶在設備上儲存的電子教科書和研究論文的學習體驗。這項新技術不同於傳統的電子搜尋和索引，能顯著改善自學能力。解決方案完全在用戶的機器上運行，方便又具成本效益，且設置和自訂個人內容所需的技術知識非常少，十分友善。 PubMed DOI

這篇論文探討大型語言模型（LLMs），如ChatGPT，在癡呆症護理和研究中的應用潛力。文章介紹了LLMs的特性、能力與限制，並討論其在護理中的實際考量，例如透過手機應用程式使用。LLMs可增進對癡呆症的理解、診斷和治療，透過有意義的對話和個性化支持來改善病人護理。 LLMs的好處包括提升社交互動、改善認知功能和情緒福祉，並減輕照護者負擔。不過，部署LLMs也引發隱私和倫理等問題。問卷調查顯示，癡呆症患者及支持者對使用LLMs的看法普遍正面，但仍擔心偏見和數據隱私。總體而言，這篇評論強調了LLMs在癡呆症護理中的潛力，並呼籲進一步研究。 PubMed DOI

這篇論文探討大型語言模型（LLMs）在電腦媒介臨床諮詢中的應用潛力，涉及醫生、電子健康紀錄（EHR）系統和病人。儘管自然語言處理（NLP）已有進展，但EHR中的自由文本數據尚未被充分利用。LLMs擅長理解和生成自然語言，能有效處理臨床對話。論文建議透過針對特定任務的預訓練和微調，醫療提供者可利用自由文本來識別病人安全問題、支持診斷，並改善臨床互動。作者認為，微調的LLMs結合提示工程，能提升初級護理諮詢的效率與效果。 PubMed DOI

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。 PubMed DOI

知識圖譜（KGs）改變了知識的表現方式，將實體及其關係以圖形結構組織，提升了推薦系統和問答系統的效能。像是Expert.AI的Sensigrafo，專注於透過機器導向的詞彙來增進自然語言理解。不過，維護知識圖譜仍然面臨挑戰，通常需要手動輸入。近期大型語言模型（LLMs）的進展，為自動化知識圖譜的豐富提供了新機會，本文探討了基於LLM的最新技術，並針對數據質量、經濟性、隱私等問題提供見解。 PubMed DOI