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

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

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

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

隨著人工智慧(AI)技術的快速發展,特別是聊天服務的進步,用戶互動方式也大幅改變。為了提升服務品質,了解用戶滿意度變得非常重要。本研究提出一個框架,利用 Google Play 商店的評論數據,結合自然語言處理和機器學習技術進行情感分析。透過多數投票的無監督情感分析,過濾用戶評分與評論內容的不一致性,並使用各種算法進行監督式分析。結果顯示方法有效,能提升預測準確性與成本效率,對未來 AI 服務的發展提供重要見解。 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