MindScape是一個創新的專案，專注於結合時間序列行為模式（如對話參與度、睡眠和位置）與大型語言模型（LLMs），以提升自我反思和福祉。最新研究論文介紹了MindScape情境日記應用程式的設計，透過LLMs和行為感測技術，提供個性化的日記提示，促進情感發展和自我反思。 論文還分享了一項針對大學生的初步用戶研究結果，並討論未來計畫，評估情境AI日記在提升校園福祉的效果。MindScape展現了行為智慧在AI領域的新應用，可能帶來新的進展。 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

本研究針對長期照護機構中的失智症患者，開發了一款虛擬伴侶，旨在減少孤獨感並評估其可行性與接受度。研究分為兩階段，第一階段透過提問促進對話，第二階段則利用人工智慧進行更深入的討論。參與者在兩階段中進行測試，結果顯示第二階段的對話能力獲得較高的接受度，雖然有些人覺得頭戴式顯示器不太方便。總體而言，虛擬伴侶對失智症患者的互動有正面效果，未來可望進一步改善對話互動。 PubMed DOI

這項研究探討如何利用人工智慧驅動的大型語言模型（LLMs）來改善阿茲海默症及相關癡呆症的數位照護策略。重點在於非正式照護者面臨的挑戰，並將照護任務與數位工具對接。研究分析了38份教育材料和57款行動應用程式，針對阿茲海默症的四個進展階段識別關鍵照護任務，並匹配相關數位輔助工具。研究還指出六項必要的數位素養技能，強調量身訂做訓練的重要性，顯示LLMs在提升照護品質方面的潛力。 PubMed DOI

大學學生常面臨心理健康問題，因此需要有效的介入措施來提升自我認知與福祉。MindScape推出了一種創新的AI驅動日記，結合行為數據與大型語言模型，提供個性化的日記體驗，旨在增進自我認知。 一項為期8週的研究顯示，20名大學生使用MindScape後，正向情感增加7%，負向情感減少11%，孤獨感降低6%，焦慮和憂鬱也顯著下降。參與者對AI生成的定制提示表示重視，這項研究為未來探索AI日記對心理健康的影響奠定基礎。 PubMed DOI

這篇論文提出了一種新方法，能在虛擬實境（VR）和擴增實境（AR）中生成真實的長期行為，重點在個性特徵和情境因素的影響。透過一個階層模型，自動創建日常活動，並將個性與可觀察行為連結。系統利用大型語言模型（LLMs）動態抽樣行為，確保活動與情境相關，並能隨環境變化調整。這項研究對虛擬人類的個性化互動提供了新範式，提升用戶在沉浸式應用中的參與感。欲了解更多，請訪問專案網站：https://behavior.agent-x.cn/. PubMed DOI

這篇文章探討了多模態推薦系統的最新進展，這些系統結合文本、圖像和用戶對話等多種數據。文章指出兩大挑戰：用戶需求的複雜性和高品質數據集的不足，尤其在互動場景中。提出的解決方案結合多模態技術與大型語言模型（LLMs），提升用戶互動和推薦準確性。關鍵技術包括交叉注意力機制、多圖神經網絡和自我反思機制。實驗結果顯示，這些模型在準確率和召回率上超越現有方法，並在視覺問答任務中表現優異，顯示出其實際應用潛力。 PubMed DOI

這份報告探討了將大型語言模型（LLMs）與可穿戴技術結合的初步成果，目的是提供個性化建議，提升學生的福祉與學業表現。我們分析了學生的數據，包括可穿戴設備的指標和學術報告的質性反饋，進行情感分析以評估情緒狀態。研究顯示，LLMs能有效分析文本數據，提供實用見解，幫助了解學生的參與度並找出改進空間，顯示出LLMs在教育上的潛力，能更深入理解學生需求。 PubMed DOI

這項研究介紹了一種新的個人化大型語言模型（PLLM）代理，旨在提升大型語言模型在人體與機器人及人機互動中的整合能力。雖然現有研究多集中於技術層面，但在適應個別用戶情境上仍面臨挑戰。我們提出利用特定領域數據來個人化模型，並透過NeuroSense EEG數據集進行驗證。研究結果顯示，PLLM在醫療、教育及輔助技術等領域具有效用，並探討了相關的倫理考量，如數據隱私問題。這標誌著人工智慧在適應性和個人化上的重要進展。 PubMed DOI

這項研究開發了一個微調過的大型語言模型，能自動從Reddit家暴相關社群的女性貼文中，辨識她們的資訊需求。研究團隊用真實和AI生成的資料解決樣本不足和類別不均問題，並將貼文分成8類（如法律、安置、庇護所等）。這個模型在準確率和F1-score都比GPT-3.5、GPT-4等基準模型好，也比人工判讀快很多，有助醫療人員更快掌握家暴倖存者需求，提供即時協助。 PubMed DOI