人工智慧，特別是大型語言模型（LLMs），現在被廣泛運用，因為能跟人類溝通。透過大量網路資料訓練，LLMs能產生各種專業文本。研究指出，GPT-4能在不到一小時內寫出完整的藥學手稿。雖然LLMs在科學研究有潛力，但仍需要人類參與，如參考文獻和數據驗證。該研究探討了將LLMs融入科學研究的優勢和挑戰。 PubMed DOI

使用大型語言模型（LLMs）如Claude 2，相較於傳統方法，能夠明顯提升證據綜合中的數據提取效率和準確性。Claude 2在概念驗證研究中展現出96.3%的整體準確性，並具有高的測試-重測信度。此模型易用，操作上無需專業知識或標記訓練數據，有潛力增進數據提取過程。 PubMed DOI

系統性回顧很重要，但耗時。大型語言模型如GPT-4可加速，但與人類表現仍有差異。研究發現GPT-4在某些領域表現良好，但受機會和數據集影響。調整後表現下降，尤其在數據提取和篩選任務。給予提示後，在篩選文獻方面表現與人類相當。建議使用語言模型時謹慎，但在特定條件下可匹敵人類。 PubMed DOI

系統性證據綜合，如系統性回顧和地圖，對於總結知識並支持各個領域的決策至關重要。然而，在保育領域進行這些綜合練習可能會耗時且昂貴。使用大型語言模型（LLMs）和人工智慧（AI）在加速和改善證據綜合過程方面表現出潛力，尤其是在像保育科學這樣資金不足的領域。 PubMed DOI

利用大型語言模型（LLMs）自動篩選相關出版物進行文獻回顧是有潛力但複雜的任務。已開發Python腳本，利用LLMs評估出版物相關性。不同LLMs在不同數據集上表現不同，靈敏度/特異性範圍從81.93％/75.19％到97.58％/19.12％。修改設置如提示結構和Likert量表範圍，對性能有顯著影響。LLMs的分類器或許可用於評估出版物相關性，但在系統性文獻回顧和更廣泛影響方面的應用尚不確定。未來研究可能會更廣泛地採用LLMs來評估出版物。 PubMed DOI

研究比較了Claude 2和GPT-4兩個大型語言模型在提取文章數據的表現。Claude 2使用PDF解析插件，準確率高達96.3％，GPT-4則為68.8％。兩者皆能辨識缺失數據並提取未明確報告的資訊。在提供文本時，兩者表現皆相當準確。研究指出語言模型在數據提取上的潛力，但也強調了準確的PDF解析和人工驗證的必要性。 PubMed DOI

研究發現使用大型語言模型（LLM）在篩選標題和摘要時效率高且準確。GPT-4 Turbo在比較腦膜炎和敗血症臨床問題時表現優異，速度也比傳統方法快。這顯示LLM輔助篩選可提升系統性回顧效率，減少工作負擔。 PubMed DOI

這項研究評估大型語言模型（LLMs）在系統性回顧和統合分析中的摘要篩選效果。研究人員使用Python腳本，與多種LLMs互動，包括ChatGPT 3.5和4.0、Google PaLM 2等，並將其表現與人類專家的納入決策進行比較。結果顯示，ChatGPT v4.0的準確率超過90%，顯示其在摘要篩選上的潛力。雖然LLMs尚無法完全取代人類專家，但能顯著提升篩選效率，未來可能改變相關工作流程。 PubMed DOI

歐洲食品安全局（EFSA）正在努力改善化學風險評估，特別是利用來自科學文獻的非結構化數據。'AI4NAMS'專案探討使用大型語言模型（LLMs），如GPT系列，來提升基於新方法論（NAMs）的數據提取與整合。針對雙酚A（BPA）的案例研究中，微調的GPT-3模型（Curie）在提取任務上表現優於現成的模型（text-davinci-002和text-davinci-003），顯示微調的效果及技術進步對模型性能的提升有顯著貢獻，進一步推動AI在科學與監管領域的應用。 PubMed DOI

這篇論文提出了一個評估大型語言模型（LLMs）在生物醫學知識編碼的框架，特別針對抗生素研究。框架分為三個步驟：流暢性、提示對齊和語義一致性，並評估事實知識和回應的具體性。研究涵蓋了ChatGPT、GPT-4和Llama 2等十一個模型，透過生成化合物定義和確定化合物與真菌關係的任務進行評估。結果顯示，雖然流暢性有所提升，但事實準確性仍有待加強，對LLMs作為生物醫學知識庫的可靠性提出了疑慮，並強調需要更系統的評估方法。 PubMed DOI