論文介紹了一種從水庫調度規定中提取實體和關係的方法，利用結構化提示語言提高水庫運營決策信息提取效率。透過精煉標籤並組織成結構化格式，引導大型語言模型進行提取。開發AI代理協助調度專業人員快速獲取結構化數據，實驗結果顯示AI代理減輕認知負擔、提高提取性能，為水資源管理帶來新方法。 PubMed DOI

這篇論文探討大型語言模型（LLMs）對自然科學和社會科學的影響，特別是透過生成代理模型（GABMs）模擬人類行為。研究涵蓋網絡科學、演化博弈論等領域，顯示LLMs能預測社會行為、增強合作及模擬疾病傳播。雖然LLMs能模仿公平性和合作，但仍面臨提示敏感性和幻覺等挑戰，影響行為一致性。未來研究應聚焦於完善模型、標準化方法，並探討LLMs與人類互動可能帶來的新合作行為，重塑決策過程。 PubMed DOI

這項研究探討大型語言模型（LLMs）在粒子加速器自動調整的應用，傳統上需要專業的優化和機器學習知識。研究顯示，LLMs能透過簡單的自然語言提示有效調整加速器子系統，並與先進的優化技術如貝葉斯優化和強化學習進行比較。結果顯示，LLMs能處理複雜的非線性數值優化，顯示其在日常操作中簡化自動調整算法的潛力，並可能促進自動化技術在加速器系統的應用。 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

污水處理廠面臨運營挑戰，因為生物、化學和物理過程之間的複雜互動。傳統的建模方法在處理多樣化數據時常遇困難。大型語言模型（LLMs）提供了新解決方案，能整合數據、識別模式並改善決策過程。這篇文章探討如何利用多代理LLMs來提升污水處理廠的過程控制和決策能力，並透過污泥膨脹案例展示其優勢。儘管存在計算成本和AI決策風險，但可透過驗證和人類監督來解決。總之，多代理LLMs是污水處理廠運營中的關鍵創新。 PubMed DOI

大型語言模型（LLMs）徹底改變了人工智慧，特別是在生成文本方面。這些模型透過大量文本訓練，能生成連貫且具上下文的內容，應用範圍廣泛，從聊天機器人到內容創作，展現出驚人的語言理解與生成能力。它們能執行摘要、問答及創意寫作等任務，並透過微調技術針對特定需求進行客製化。隨著技術進步，LLMs 的應用也在擴展，並引發了關於倫理、偏見及社會影響的討論，標誌著人工智慧的一次重大進步。 PubMed DOI

這項研究提出了一種新型的文本基礎超聲模擬控制系統，旨在簡化使用者體驗並縮短配置時間。透過大型語言模型（LLM）和地面人工智慧（AI）技術，系統將SimNDT的功能模組化，讓使用者能用自然語言下指令。報導指出，這項創新能將模擬設置時間縮短約75%。此外，結合自我檢查和多個LLM代理的協作，顯著降低了場景生成的錯誤率，從23.89%降至1.48%。整體而言，這種方法展示了AI在提升模擬系統效率和可靠性方面的潛力，特別適用於快速變化的數位雙胞胎系統。 PubMed DOI

大型語言模型（LLMs）能理解和產生自然語言，正改變醫療、教育、金融等產業，提升效率和準確度。不過，LLMs也有倫理、偏見和高運算成本等問題。本文分析其發展、應用和限制，並探討未來趨勢。 PubMed DOI

RePower 是由大型語言模型驅動的自主研究平台，能獨立解決電力系統的複雜問題，像是參數預測、電力優化和狀態估算。它能自動控制設備、收集數據並優化演算法，表現比傳統方法好，平均能降低 29% 誤差，推動電力系統更創新和自主的發展。 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