原始文章

這項研究提出了一個名為Needs Companion的系統,旨在更直接有效地識別個別服務需求。透過6W1H框架(誰、什麼、何時、哪裡、為什麼、怎麼做以及多少),該系統利用虛擬代理引導需求,並運用大型語言模型進行分析。實驗結果顯示,Needs Companion能快速準確地檢測需求,為個性化服務提供有價值的數據。這項研究對機器學習、人本設計和需求工程具有重要意義,促進了更具針對性的服務交付。 PubMed DOI


站上相關主題文章列表

這項研究分析了一個專注於由大型語言模型(LLM)驅動的對話代理的心理健康支援子論壇中用戶的評論。研究發現強調了一些好處,例如即時支援和提升用戶信心,但也指出了一些挑戰,如過濾有害內容和用戶過度依賴的問題。該研究強調了在心理健康支援中需要謹慎評估和負責任使用LLM的必要性。 PubMed DOI

陪伴機器人旨在幫助年長者對抗孤獨感,提供社交和情感支持。然而,年長者對於對話伴侶的期望可能與目前的科技和其他年齡群體有所不同。讓年長者參與這些機器人的開發是至關重要的。最近大型語言模型的進步顯示了滿足這些期望的潛力。一項涉及28名年長者的研究展示了在一個陪伴機器人中使用大型語言模型,揭示了期望,如積極參與對話、記憶過去互動、保護隱私、提供資訊和提醒、促進社交聯繫以及表達同理心。該研究提供了設計針對年長者的對話陪伴機器人的建議,使用基礎模型如大型語言模型,這也可應用在其他領域。 PubMed DOI

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

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