討論人工智慧、自然語言處理和大型語言模型對教育和研究的影響，包括優勢、挑戰和應用。強調文本生成、數據分析、教育支援、評分和心理健康輔助等應用。解決道德問題和偏見至關重要，探討AI在教育和研究中的角色，強調其積極變革的潛力。 PubMed DOI

大型語言模型如ChatGPT在醫療領域有多種應用，但也面臨AI幻覺和隱私問題。透過技術改進，如提示工程、溫度調整和本地部署，可提高安全性和準確性。重要的是，LLM無法取代醫療專業知識，強調需與醫護人員合作。 PubMed DOI

研究使用真實世界數據評估大型語言模型（LLMs）在標準化產科診斷術語時的表現，發現LLMs在無監督設置中表現較佳。不同的提示工程設置會影響LLMs的表現，其中QWEN提示效果最好，有助於提高診斷術語對齊效率。 PubMed DOI

臨床文本和文件是重要的醫療資訊來源，利用先進的語言技術處理對於發展支援醫療保健和社會福祉的智慧系統至關重要。我們使用多語言神經網絡模型，如Transformer，以及大規模預先訓練的語言模型進行轉移學習，研究臨床文本機器翻譯。我們的研究顯示，小型預先訓練的語言模型在臨床領域微調中表現優於更大的模型，這是一個新的發現。這些結果對於醫療保健領域的機器翻譯發展具有重要意義。 PubMed DOI

研究發現，使用解凍的LLMs進行軟提示在GatorTron上表現最佳，勝過傳統微調和硬提示模型。當LLMs規模擴大時，凍結的LLMs也具競爭力，展現出良好少樣本學習和泛化能力。凍結模型不僅計算成本更低，還能跨機構應用。 PubMed DOI

LLMs在臨床應用上很強大，但缺乏標記數據。為了掌握臨床知識，需要進行上下文學習。研究評估了零-shot和少-shot臨床信息提取的提示工程技術。結果顯示，定制任務特定提示至關重要，而啟發式和集成提示也很有效。GPT-3.5表現最佳，並且集成方法有助於提升性能。這項研究為臨床自然語言處理的提示工程提供了重要的指導。 PubMed DOI

這篇文章探討大型語言模型（LLMs）在教育中的角色，指出其潛在好處與挑戰。雖然LLMs能生成超越人類的文本，但在教育中使用時需謹慎，因為可能存在透明度不足和偏見等問題。文章建議將專家資源如OpenLogos整合進語言生成工具，並強調制定清晰的指導方針和倫理標準的重要性。Multi3Generation COST Action（CA18231）被視為推動自然語言生成研究的關鍵倡議，呼籲教育工作者接受創新工具，增強學習環境，同時兼顧傳統教育價值。 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

大型語言模型（LLMs）有潛力顯著改變臨床醫學，能改善醫療服務的可及性、增強診斷、協助手術規劃及促進教育。不過，這些模型的有效運用需謹慎設計提示，以應對幻覺和偏見等挑戰。理解標記化、嵌入和注意力機制等關鍵概念，以及運用策略性提示技術，對生成準確輸出至關重要。AI技術與醫療專業人員的合作、重視倫理問題如數據安全和偏見緩解，能提升醫療服務質量與可及性。持續的研究與發展對於發揮LLMs在醫療領域的潛力至關重要。 PubMed DOI

這項研究探討生成式人工智慧模型中的文化偏見，特別是五個版本的OpenAI語言模型如何影響使用者表達並強化主導文化價值觀。研究發現，這些模型多反映英語系和新教歐洲國家的文化。為解決這問題，研究人員測試了一種叫做文化提示的方法，結果顯示這方法能改善後期模型（如GPT-4）在71-81%的評估地區的文化一致性。研究建議持續使用文化提示和評估，以減少生成式人工智慧中的文化偏見。 PubMed DOI