隨著城市成為人類活動的核心，城市感知的重要性日益提升。大型語言模型（LLMs）透過其語言框架，為城市感知帶來新機會。本文探討LLMs在理解城市機制上的潛力，重點在於改善人類與LLMs的知識轉移、提升對城市運作的認識，以及透過LLM代理實現自動化決策。雖然LLMs能提供更深入的城市動態理解，但也面臨多模態數據整合、時空推理、文化適應性和隱私等挑戰。未來的城市感知需善用LLMs的智慧，並克服這些挑戰，以促進智能和可持續的城市發展。 PubMed DOI

這項研究首次探討大型語言模型（LLMs）在環境決策中的應用，分析其潛在優勢與限制。研究提出兩個框架：一是LLMs輔助的框架，增強人類專業知識；二是LLMs驅動的框架，自動化優化任務。透過水工程中PFAS控制的案例，顯示這兩個框架在環境決策中的優化效果。結果顯示，LLMs輔助框架在調節流量和改善PFAS攔截上表現良好，而LLMs驅動框架在複雜參數優化上則面臨挑戰。研究強調人工智慧應輔助而非取代人類專業知識，為未來的合作奠定基礎。 PubMed DOI

這篇文件探討擴增實境（XR）的快速發展，並強調大型語言模型（LLMs）整合進XR系統的潛力。它提出三個主要支柱：感知與情境意識、知識建模與推理，以及視覺化與互動。這種整合在神經康復、安全訓練和建築設計等領域具有顯著好處，同時也需考量隱私、透明度和包容性等倫理問題。文件鼓勵進一步研究，目的是創造更智能且以使用者為中心的XR系統。 PubMed DOI

高處墜落事故是工作場所傷害和死亡的主要原因，特別是在高處作業中。為了降低風險，墜落防護系統（FPS）至關重要，但設計和選擇有效的FPS仍具挑戰。本研究推出了一個針對高處墜落的知識圖譜（FFH-KG），透過整理事故數據，提供實證見解，協助設計師改善FPS設計。FFH-KG結合自然語言處理和機器學習，包含2,200個實體和4,820個關係，為安全規劃提供堅實基礎，並在案例研究中驗證其有效性，推動智能安全工程的進展。 PubMed DOI

大型語言模型（LLMs）在神經外科的實踐與教育中展現出很大潛力，但在臨床應用上仍需進一步研究。這篇文章回顧了LLM在神經外科的應用情況，探討了使用案例、選擇標準及挑戰，特別是處理私人健康資訊的問題。作者提出選擇LLM的基本原則，包括技術層面如模型存取和性能基準，並強調安全性及機構支持的重要性，以確保在處理敏感數據時的安全性。這為神經外科醫生提供了一個框架，強調在獲取利益的同時，需妥善管理風險。 PubMed DOI

這項研究提出一套可解釋的系統（CPTR-LLM），用大型語言模型來預測自駕車的碰撞風險，並判斷駕駛人何時該接手。經過大量數據和兩階段訓練，模型預測準確率高達0.88，也能有效減少不必要或危險的接管。結果顯示，大型語言模型有助提升自駕車的道路安全。 PubMed DOI

大型語言模型正帶動材料科學革新，讓自動化材料發現成真，像是資料擷取、性質預測都更有效率。不過，目前還有專業知識整合不夠、資源消耗大等問題。未來要加強LLM的適應性、效率和可信度，才能讓這些技術在實際應用上更可靠、更公平。 PubMed DOI

這篇論文提出一套多模態系統，能整合影像、感測器數據和生產紀錄，並結合大型語言模型。系統有統一資料格式、動態分詞和強大跨模態對齊能力，採用兩階段訓練。新開發的Transformer模型同時支援影像和文字生成，提升即時決策。實驗證明，這方法在影像-文字檢索和視覺問答等任務表現優異，對智慧製造和異常偵測等應用很有幫助。 PubMed DOI

這篇論文提出 SeeUnsafe 架構，運用多模態大型語言模型自動化交通監視器事故偵測，不需人工後處理，還能互動式分析影片。系統可彈性調整分析任務，並有新指標 IMS 評估回應品質。實驗證明，SeeUnsafe 在事故分類和證據定位上表現優異。 PubMed DOI

這項研究開發了一款專為輻射防護設計的智慧助理，結合開源大型語言模型和專業知識庫。助理可透過網頁介面，提供有參考資料的專業解答，並支援本地部署保障隱私。結果顯示，這套系統在準確性和相關性上都比傳統網路搜尋更優，有助提升輻射防護工作的效率。 PubMed DOI