視覺分析很重要，但常遇到數據繁雜問題。智慧型方法必不可少，大型語言模型可幫忙解讀文本。LEVA框架運用這些模型來強化視覺分析流程，提供建議見解和報告，有效支援使用者。經研究證實LEVA有助於使用者進行視覺分析。 PubMed DOI

LLMs在健康領域的應用有待深入研究。將行為科學原則融入LLMs，可設計更有效的健康指導措施。研究指出，整合COM-B框架到對話代理中，可提升共情和可操作性，改善指導體驗。 PubMed DOI

這篇論文探討了在人機合作環境中運用大型語言模型（LLMs）如GPT進行口語溝通的方法。介紹了一個以GPT為核心的機器人代理在Unity VR環境中的模擬框架。透過12位參與者的使用者研究，探討了GPT-4在多機器人環境中的效用。研究結果顯示，使用者可能對與機器人互動有先入為主的看法，但透過自然語言溝通的探索，可以帶來更有效的互動。同時提供了寶貴的教訓和未來研究的建議。 PubMed DOI

記者們現在越來越喜歡運用數據分析和視覺化來增加新聞的吸引力和資訊性。然而，新聞業缺乏專門支援的工具。這項研究專注於自然語言處理，自動生成體育新聞。系統SNIL結合人類和語言模型，修改文本和圖形內容。使用者研究顯示了系統的可用性，以及在新聞業中分析和溝通任務之間建立橋樑的好處。 PubMed DOI

新的AgentLens視覺化方法可探索大型語言模型自主系統行為。透過結構化行為模型和因果追踪，呈現代理行為演變。使用者可互動調查代理行為細節和原因。研究證實AgentLens有效且易用。 PubMed DOI

研究探討如何利用大型語言模型（LLMs）協助資料素養較低者理解複雜的視覺化，結果顯示LLM能有效幫助使用者理解圖表並鼓勵進一步探索。然而，過度依賴LLM代理人可能導致洞察不足，呈現潛在風險。研究建議妥善平衡利用LLMs提升視覺化素養的方法。 PubMed DOI

本文探討了如何透過大型語言模型（LLM）推動人機互動，並超越傳統的可解釋人工智慧（XAI）範式，考慮LLM的認知解釋。作者方法著重於認知建模、遺傳算法、神經網絡、因果循環動力學和特徵實現等解決方案，使XAI更具目的性和持續性。研究結果顯示，在信息處理中應用LLM需要特定結構條件，尤其在戰略規劃情境下，可加速集體問題解決。這研究有助於各領域發展可解釋的LLM。 PubMed DOI

這篇論文介紹了一個私人代理人，使用欺騙的方式在重複遊戲中提升大型語言模型（LLM）的效能。透過結合上下文學習和思維鏈提示，這個私人代理人在競爭和合作場景中展現出色表現，勝過了對照組。然而，研究也揭示了LLM算法在遊戲決策上的限制。研究結果顯示，透過信息理論方法，如在複雜環境中的欺騙和溝通，有潛力提升LLM代理人在多人遊戲中的表現。 PubMed DOI

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。 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