研究人員致力於開發能像人類對話的系統。傳統模型有限制，但大型預訓練語言模型顯示潛力。這些模型可改進應對對話，但特定領域或許難生成適當回應。本文提出KRP-DS模型，融入知識圖提升回應質量和多樣性。實驗顯示，此模型在回應品質、多樣性、可解釋性、人機評估等方面優於基準模型。 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

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

Transformer神經網絡，特別是大型語言模型(LLMs)，在材料分析、設計和製造上很有效。它們能處理各種數據，支持工程分析，像MechGPT在材料力學領域表現出理解能力。檢索增強的本體知識圖表等策略可提高生成性能，解決困難。這些方法在材料設計探索中有優勢，並提供見解。非線性取樣和基於代理的建模增強生成能力，改進內容生成和評估。例如，問答、代碼生成和自動生成力場開發。 PubMed DOI

目前，對話代理人（CAs）主要使用嚴格的基於規則的對話模型，但這限制了彈性和擴展性。大型語言模型（LLMs）是替代方案，但在雲端運行時可能涉及隱私問題。這研究探討了如何微調輕量級預訓練LLMs，以預測使用者意圖，實現在設備上部署，確保隱私和個性化。RoBERTa和XLNet在平衡性能和隱私方面有潛力。研究顯示這些模型可與ChatGPT媲美，並討論了對利益相關者的影響。總結來說，該研究強調了在考慮性能、內存使用和隱私的情況下，使用LLMs在設備上實現對話代理人的重要性。 PubMed DOI

Teriyaki是一個結合象徵性任務規劃和機器學習的框架，利用像GPT-3這樣的大型語言模型。這個方法旨在解決動態人機協作中的問題，透過逐步生成計劃行動提高效率，同時達成規劃和執行。初步結果顯示有希望的成果，包括更高的問題解決率、更短的計劃時間，以及縮短計劃可用性等待時間。 PubMed DOI

這篇論文介紹了一個針對無人零售商店的綜合軟體服務框架，重點在於提升顧客服務，透過了解顧客需求和引導他們找到產品。我們運用視覺識別技術識別商品，並利用大型語言模型（LLMs）分析顧客偏好，提供量身訂做的推薦。 我們探討了基於深度神經網路的影像識別模型，並提出利用有限訓練數據微調LLMs的方法，提升參數更新效率。此外，智能推薦系統能自動分析顧客偏好，完善顧客到貨架的體驗。實驗結果顯示，我們的方法在有限數據集上表現優於現有技術，為顧客創造無縫的購物體驗。 PubMed DOI

知識圖譜（KGs）改變了知識的表現方式，將實體及其關係以圖形結構組織，提升了推薦系統和問答系統的效能。像是Expert.AI的Sensigrafo，專注於透過機器導向的詞彙來增進自然語言理解。不過，維護知識圖譜仍然面臨挑戰，通常需要手動輸入。近期大型語言模型（LLMs）的進展，為自動化知識圖譜的豐富提供了新機會，本文探討了基於LLM的最新技術，並針對數據質量、經濟性、隱私等問題提供見解。 PubMed DOI

這篇論文提出一個系統，透過自然語言對話提升人機互動，讓機器人能夠從經驗中學習。系統利用大型語言模型（LLMs）協調機器人行為，生成Python程式碼來控制動作和感知，這些程式碼根據人類指令和環境反饋生成。當LLM誤解指令時，會調用另一個專注於改善程式碼的LLM來學習錯誤。改進的互動會儲存於機器人記憶中，未來能更好處理類似請求。該系統已整合進人形機器人ARMAR-6，並透過模擬和實測評估其有效性，顯示機器人能夠逐步學習並應用知識。 PubMed DOI