研究指出，大型語言模型（LLMs）在法律分析，特別是稅法領域上有進步。新模型的推出讓LLMs更懂法律。給予額外法律背景和提示，像GPT-4，LLMs表現更好。雖然LLMs精確，但還不如專業稅務律師。LLMs進步，可能對法律界和AI治理有重大影響。 PubMed DOI

大型語言模型（LLMs）在各行各業快速崛起，尤其在醫療保健領域，引發了重要的道德問題。LLMs獨特之處需要複雜的道德處理方式，涉及數據隱私、所有權、知識產權等議題。為了負責任地應用LLMs於醫療保健，我們需要建立全面的道德框架，符合道德原則並降低社會風險。 PubMed DOI

討論了在醫學教育中使用大型語言模型（LLMs）所面臨的道德挑戰，包括對於AI幻覺、隱私風險和透明度問題的擔憂。建議基於八項原則為醫學教育中的LLMs創建一個特定的道德框架，以確保整合LLMs時能負責任且安全，平衡技術進步與道德考量。 PubMed DOI

這篇文章探討大型語言模型（LLMs）產生的「不負責任言論」問題，這可能對科學、教育及民主社會的知識完整性造成長期風險。LLMs雖然常給出看似合理的回應，但可能包含不準確或偏見，影響知識品質。作者分析了對LLM提供者施加法律責任的可能性，並檢視歐盟的《人工智慧法》和《數位服務法》，指出目前對真實性義務的限制。文章也提到德國一案例，建議透過法律責任來減少不負責任言論，確保輸出與事實一致。 PubMed DOI

這篇評論探討了大型語言模型（LLMs）在眼科應用的倫理影響，分析了47篇相關文章。雖然LLMs在教育、研究、臨床決策和手術協助等方面有潛力，但也存在準確性不足、可能產生有害建議及數據隱私等倫理問題。評論強調在醫療中謹慎整合人工智慧的重要性，需有人的監督和透明度，以維持倫理標準。為了充分發揮LLMs的優勢，必須認識並解決這些倫理挑戰，並促進負責任的使用。 PubMed DOI

這篇論文探討大型語言模型（LLMs）對醫學學習者學術寫作的影響。雖然LLMs能提升寫作效率，但可能妨礙學生和住院醫師發展重要的研究與寫作技能。研究分析了多種來源，尋找在醫學教育中整合生成式人工智慧的最佳實踐，並提出檢測學術作品中AI參與的策略，如直接詢問、評估內容一致性等。作者強調導師需負責指導學習者負責任地使用LLMs，確保他們在利用新技術的同時，發展必要的技能，並為教育工作者提供合乎倫理的使用框架。 PubMed DOI

這項研究顯示大型語言模型（LLMs），像是GPT，在學術界，特別是醫學領域的使用越來越普遍。調查訪問了來自59個國家的226位參與者，結果發現87.6%的人對LLMs有了解，且這些人發表的論文數量較多。雖然18.7%的人使用LLMs處理語法和格式，但許多人並未在作品中說明。大多數人（50.8%）認為LLMs將對未來有正面影響，尤其在編輯和文獻回顧方面，但也有呼籲制定規範以防止濫用的聲音，強調了建立倫理指導方針的必要性。 PubMed DOI

在醫學教育中整合大型語言模型（LLMs）有其優勢與挑戰。這些AI工具能改善資訊獲取與批判性思考，但也可能導致過度依賴及倫理問題。學生和教師需了解LLMs的限制，維護學術誠信，並負責任地管理數據。教師應重視內容質量，而非僅依賴AI檢測。LLMs應作為輔助資源，強調可及性與公平性。教育機構應制定符合其價值觀的指導方針，以支持負責任的LLM使用，並靈活應對科技進步。 PubMed DOI

將大型語言模型（LLMs）應用於醫療教育和臨床管理有很大潛力，但也帶來了一些擔憂。本研究評估了LLMs在醫療教育中的現況，並指出幾個需改進的重點，包括學術誠信、錯誤資訊、資訊完整性、獲取不平等、演算法偏見、道德問題、技術限制及監管不足。研究呼籲未來針對這些挑戰進行深入探討，以提升LLMs在醫療教育中的有效性。 PubMed DOI

將大型語言模型（LLMs）整合進電子健康紀錄（EHRs）中，雖然能提升數據分析和病患照護，但也帶來隱私、法律及操作上的挑戰。主要問題包括病患未經同意的數據使用、缺乏監管、AI醫療失誤責任不明、數據偏見及重用風險。為了保護病患，特別是脆弱族群，臨床醫師應推動病患教育、倫理實踐及健全監督，確保LLMs的使用既安全又有效。 PubMed DOI