這項研究強調生成式人工智慧（AI）在健康照護中，特別是針對2型糖尿病患者用藥遵從性方面的潛力。研究提供了一個透明的提示設計和內容生成過程，並附上1,150則由GPT-3.5模型生成的訊息，這些訊息符合可讀性和簡訊標準。研究指出生成訊息的多樣性，並建議這種方法能提升健康內容開發的效率與透明度。未來需評估這些介入措施對行為改變的倫理影響和有效性。 PubMed DOI

這篇論文探討大型語言模型（LLMs）對自然科學和社會科學的影響，特別是透過生成代理模型（GABMs）模擬人類行為。研究涵蓋網絡科學、演化博弈論等領域，顯示LLMs能預測社會行為、增強合作及模擬疾病傳播。雖然LLMs能模仿公平性和合作，但仍面臨提示敏感性和幻覺等挑戰，影響行為一致性。未來研究應聚焦於完善模型、標準化方法，並探討LLMs與人類互動可能帶來的新合作行為，重塑決策過程。 PubMed DOI

這項研究探討大型語言模型（LLMs）在創建自主模擬代理（ASA）方面的潛力，該代理能自動化模擬研究過程。ASA能依據人類提供的計畫，處理實驗設計、模擬執行、數據分析及報告生成等任務。透過聚合物鏈構象的案例，研究評估了不同LLMs的表現，發現ASA-GPT-4o的表現優異，能在無人介入下自主運作20個循環，顯示其在科學研究自動化的潛力。研究還強調了ASA在管理複雜任務時的自我驗證能力。 PubMed DOI

網路評論的興起對消費者購買決策和產品開發影響深遠，但生成式AI技術如ChatGPT的出現，讓人擔心商家可能會製造虛假評論，影響評論的可信度。為了解決這個問題，提出了一種新方法，結合AI生成評論的檢測，專注於產品屬性。這方法利用預訓練語言模型來檢測評論真實性，並分析用戶偏好，改善產品開發的成本控制與設計決策。實驗結果顯示此方法相較於現有技術具優勢。 PubMed DOI

這項研究首次探討大型語言模型（LLMs）在環境決策中的應用，分析其潛在優勢與限制。研究提出兩個框架：一是LLMs輔助的框架，增強人類專業知識；二是LLMs驅動的框架，自動化優化任務。透過水工程中PFAS控制的案例，顯示這兩個框架在環境決策中的優化效果。結果顯示，LLMs輔助框架在調節流量和改善PFAS攔截上表現良好，而LLMs驅動框架在複雜參數優化上則面臨挑戰。研究強調人工智慧應輔助而非取代人類專業知識，為未來的合作奠定基礎。 PubMed DOI

這項研究提出了一種改良的人工蜜蜂群（ABC）演算法，旨在提升數位健康的決策過程。透過結合文化演算法，這個新方法在雙層進化框架中優化搜尋，並動態調整參數以增強搜尋效率。實驗顯示，這種演算法在尋找最佳解的成功率達96%，顯著提升醫療資源的優化效率與準確性。與ChatGPT結合後，還能生成個性化建議，更好地滿足用戶需求，為數位醫療的科學決策提供了重要工具。 PubMed DOI

這份報告探討了X-LoRA-Gemma大型語言模型（LLM）的應用，這是一個擁有70億參數的多代理生成式人工智慧框架，專注於分子設計。模型結合人類與AI的合作，透過雙重推理策略來優化分子互動，並使用主成分分析等技術識別目標性質。生成的候選分子顯示出預期的特性，報告預測這些AI技術將在分子工程中越來越普遍，並提供創新解決方案，同時也討論了相關的挑戰與機會。 PubMed DOI

資訊保障和網路安全隨著科技進步和威脅複雜化而不斷演變。本研究利用大型語言模型和自然語言處理技術，分析1967年至2024年的文獻，資料來自62,000多份Scopus文件。研究分為兩個階段：主題檢測和自動摘要，並針對不同時間區間進行分析。結果顯示，綜合方法在關鍵字定義任務中有顯著改進，生成的摘要在多項指標上表現優異，並保持書目參考的邏輯完整性，突顯資訊保障的焦點轉變及未來趨勢。 PubMed DOI

這項研究把生成式AI（ChatGPT-4）、傳統決策法（AHP、TOPSIS）和機器學習分類器結合，來預測員工流失。流程包含建立專家資料、排序流失風險、訓練模型。神經網路、梯度提升和隨機森林的準確率最好。這方法可擴展，能有效預測複雜環境下的員工流失。 PubMed DOI

這篇研究用GPT-4o取代傳統多智能體模擬的硬編碼行為，透過工具鏈把NetLogo和OpenAI API串接，讓智能體能根據環境動態產生行為。實驗證明，LLM能有效驅動群體自我組織和湧現現象，為自然智慧系統研究帶來新方法。程式碼和資料可在GitHub下載。 PubMed DOI