介紹了一個新的研究，提出了「分心駕駛語言模型」（DDLM），利用視覺大型語言模型（LLM）來辨識分心駕駛行為。DDLM整合了人體姿勢估計技術，分析關鍵姿勢特徵，並透過推理鏈框架提供清晰解釋。研究顯示，DDLM在評估駕駛行為和風險水平方面比標準模型表現更佳，可有效增進駕駛安全性。 PubMed DOI

這篇論文介紹了一個創新的低成本模擬駕駛評估系統，搭載語音助手，利用生成式人工智慧進行即時互動。這種模擬器提供比傳統實地評估更安全且可自訂的選擇，解決了高成本的問題。系統旨在提升駕駛者的情境意識，並促進正向情緒，幫助識別需要進一步評估的駕駛者。初步結果顯示，與語音助手互動的參與者在駕駛表現和情緒狀態上都有所改善。 PubMed DOI

隨著醫療保健中情緒監測的重要性提升，基於腦電圖（EEG）的多模態情緒識別系統逐漸受到重視。然而，日常醫療環境中獲取EEG信號的困難，常導致數據不完整。為了解決這個問題，研究人員提出了一個多教師知識蒸餾框架，結合大型語言模型（LLM）來增強特徵學習。透過LLM提取時間特徵，圖卷積神經網絡則負責空間特徵，並引入因果遮罩和信心指標以提升特徵轉移的相關性。實驗結果顯示，該模型在不完整模態下表現優於現有方法，顯示大型模型在醫療情緒識別中的潛力。相關代碼已公開，網址為 https://github.com/yuzhezhangEEG/LM-KD。 PubMed DOI

城市交通擁堵對經濟和環境造成挑戰，自適應交通信號控制（ATSC）成為解決方案之一。近期，深度強化學習（DRL）的進展提升了ATSC的效能。本文介紹了一種新型ATSC方法——序列決策變壓器（SDT），結合注意力機制與序列決策模型，專為城市交通管理設計。SDT模型在馬可夫決策過程框架下運作，顯示出縮短訓練時間、改善決策過程等優勢，並在合成場景中超越傳統方法，顯示出緩解城市擁堵的潛力。 PubMed DOI

SafeMod是一個新框架，旨在提升自動駕駛的安全性，透過改善複雜環境中的決策和情境管理。它克服了傳統方法的局限，採用雙向規劃結構，包括前向和後向規劃。前向規劃利用大型語言模型預測周圍行為，生成行動預測，並由基於變壓器的規劃器處理，結合文本和影像數據創建駕駛軌跡。後向規劃則透過強化學習精煉這些軌跡，選擇最佳行動。實驗結果顯示，SafeMod在安全性和決策能力上優於其他系統，顯示其在自動駕駛中的潛力。 PubMed DOI

隨著人工智慧的快速進步，服務機器人在日常生活中越來越普遍，這要求它們能準確識別人類意圖。現有方法在複雜環境中常常無法達標。為了解決這個問題，我們提出了一個基於大型語言模型和知識圖譜的意圖識別框架（LKIRF）。這個框架結合了大型語言模型和知識圖譜，提升了服務機器人的意圖識別能力。實驗結果顯示，LKIRF在各種場景中的預測準確性超越傳統方法，並增強了意圖推理的透明度和可解釋性。 PubMed DOI

這篇論文探討了Cockpit-Llama的開發，這是一個專門用來預測駕駛者行為意圖的語言模型，目的是提升車輛駕駛艙的互動性。透過分析駕駛者的行為、歷史數據及環境狀態，Cockpit-Llama能做出準確預測，協助主動決策。研究團隊還建立了一個新的多屬性駕駛艙數據集，涵蓋情緒和身體狀況等多方面資料。使用低秩適應（LoRA）進行微調後，實驗結果顯示Cockpit-Llama在預測準確度上超越了現有方法，顯著改善了智能駕駛艙的推理能力。 PubMed DOI

動態視覺與語言導航（DynamicVLN）任務旨在改善傳統的視覺與語言導航（VLN），融入了如車輛移動、交通信號、行人活動和天氣變化等動態因素。這項新任務要求代理不僅要遵循指示，還需在面對突發事件時展現推理和適應能力。為此，研究者創建了十個動態導航場景，並利用CARLA模擬器和大型語言模型建立了包含11,261個實例的數據集，提供真實的訓練環境，並引入基準模型以提升導航能力，目標是開發能在複雜環境中運作的強大代理。 PubMed DOI

最近的研究發現，將Transformer模型與條件策略結合，可以有效提升離線強化學習的表現。傳統強化學習是依序接收觀察，而Transformer則同時處理多個觀察，這可能影響特徵提取及決策的準確性。為了解決這些問題，我們利用預訓練模型的少量學習特性，並結合提示學習來改善即時政策調整。透過從離線數據中抽樣特定信息，我們能快速掌握任務特徵。實驗結果顯示，我們的方法在相關任務中表現優於基準，並提升了對新環境的泛化能力及決策的穩定性。 PubMed DOI

知識蒸餾（KD）是一種壓縮大型語言模型的技術，透過將知識從大模型轉移到小模型。傳統KD方法依賴於KL、RKL和JS等度量，但在教師和學生模型分佈重疊時會遇到問題。為了解決這些挑戰，提出了Sinkhorn KD（SinKD），利用Sinkhorn距離更準確地比較模型分佈，並採用批次形式捕捉高維空間的幾何關係。SinKD在GLUE和SuperGLUE基準上表現優越，作者已公開代碼和模型供研究使用。 PubMed DOI