學者一直在爭論語言是否僅透過語言輸入就能學會。近來大型語言模型（LLMs）的進步提供了一個希望的研究途徑。雖然LLMs有限制，但它們顯示出類似人類語法的語言可以在沒有預先存在的語法下被習得，顯示統計學習在語言習得中扮演重要角色。LLMs為認知科學家提供了計算模型，讓他們探索人類語言習得和使用的複雜性。 PubMed DOI

大型語言模型（LLMs）展現出有趣的行為，但相較於人類兒童，它們需要更多的語言資料。這種樣本效率上的差異可能是由於兒童已有的知識、他們利用多重感官模式，以及他們學習環境的互動和社交性質等因素所導致的。 PubMed DOI

研究發現使用大型語言模型（LLMs）控制機器人情感行為，預測並即時展示情緒，讓機器人展示一致面部表情，讓人覺得更像人類、情感適當，並留下正面印象。結果顯示LLMs能有效生成和控制機器人情感，可能增進治療、陪伴或客戶服務等情境下的人機互動。 PubMed DOI

大型語言模型對機器人任務規劃有幫助，但執行任務時有困難。提出多層模型，逐層分解任務以改善處理。視覺語言模型可幫助環境感知，整合任務目標與環境數據，進行精確運動規劃。語義對齊方法可增強任務可執行性。無人載具實驗驗證了此方法對應機器人任務規劃與執行的有效應對。 PubMed DOI

這個研究旨在幫助代理人更好地理解自然語言指令，探索使用大型語言模型在決策任務中的應用。新方法CPMI整合LLMs和輔助模組，提升了在執行指令方面的表現，尤其在數據有限的情況下。 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

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

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

這篇論文探討大型語言模型（LLMs）與人類語意理解的關係，特別是在具身認知的背景下。具身認知的支持者認為，LLMs 只依賴文本訓練，缺乏感官經驗的連結，這對人類理解很重要。不過，論文指出人類的認知結合了具身經驗和語言學習，語言在塑造我們對世界的理解中扮演關鍵角色。因此，LLMs 可以反映語言作為語意信息來源的豐富性，並強調語言如何在缺乏直接感官經驗的情況下增強認知能力，這也有助於理解具身認知與人工智慧的互動。 PubMed DOI

隨著人工智慧的快速進步，服務機器人在日常生活中越來越普遍，這要求它們能準確識別人類意圖。現有方法在複雜環境中常常無法達標。為了解決這個問題，我們提出了一個基於大型語言模型和知識圖譜的意圖識別框架（LKIRF）。這個框架結合了大型語言模型和知識圖譜，提升了服務機器人的意圖識別能力。實驗結果顯示，LKIRF在各種場景中的預測準確性超越傳統方法，並增強了意圖推理的透明度和可解釋性。 PubMed DOI