物聯網產生大量數據，但因處理和互通性限制，數據未被充分運用。歐洲提倡改善感應器數據訪問，尊重知識產權。新方法利用語言模型轉換數據，提高可重複使用性。GPT-4在實驗中表現出高精確度和召回率，顯示其潛力。 PubMed DOI

TrollLabs比較了人類參與者和生成式人工智慧在駭客松活動中的表現，提供了116個原型和433條邊緣供分析。這個數據集對於研究人員、學生和業界專業人士來說是一個寶貴的資源，可用於了解人工智慧在設計中的影響和限制，並提供更好的整合建議。 PubMed DOI

傳統的飲食評估方式可能不夠客觀且耗時，但現在有人工智慧（AI）解決方案可以自動化這個過程。這項研究使用GPT-4V模型驅動ChatGPT進行飲食評估，表現出在檢測食物和識別菜餚方面的潛力。這個方法不需要特定訓練數據，並且可以根據上下文提示來估計食物份量，提高評估的準確性。 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

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

這篇論文探討了多模態大型語言模型（MLLMs）的最新進展，特別是像GPT-4V這類結合語言處理與多模態任務的模型。作者強調了MLLMs的獨特能力，例如從圖像生成敘事及進行複雜推理，顯示出朝向人工通用智慧的潛力。論文提供了MLLMs的全面概述，包括架構、訓練策略和評估方法，並探討了增強其適應性的方法。此外，還討論了多模態幻覺等問題及未來研究方向，以提升MLLM的能力。 PubMed DOI

這篇文章探討感測器技術（如環境感測器、生物識別和物聯網設備）與對話式人工智慧（如ChatGPT 4.0）的整合。強調即時數據如何增強AI對環境和使用者情境的理解。內容涵蓋感測器網路的科學原理、數據處理技術，以及這些技術如何與生成模型結合，創造智能互動系統。主要主題包括ChatGPT分析感測器數據進行情境對話、醫療應用（如穿戴式感測器和AI聊天機器人）及智慧家庭互動，旨在促進感測器技術與AI開發的研究進展。 PubMed DOI

這項研究提出了一種新方法，利用大型語言模型（LLMs）為機器人生成複雜的長期任務計畫。過去的研究多集中於簡單的任務規劃，動作指令通常不超過十個。新方法透過讓LLM主動收集資訊並進行問答，精煉任務計畫，並能識別和解決長期任務中的模糊性，增強計畫細節。研究以烹飪任務為例，實驗結果顯示，這種方法成功提升了任務計畫的資訊量，填補了長期機器人任務研究的空白。 PubMed DOI

這項研究探討自閉症兒童的挑戰性行為，特別是攻擊性和自我傷害。修訂版家庭觀察量表第三版（FOS-R-III）是一個用於評估這些行為的工具。以往的AI方法多集中於視覺數據，缺乏臨床相關量表。本研究引入AV-FOS模型，結合音頻和視覺數據，並基於FOS-R-III進行編碼，能準確識別互動風格。此外，研究還使用多模態大型語言模型GPT4V進行比較，認為這些進展將提升自閉症研究的臨床應用。 PubMed DOI

功能性動作篩檢（FMS）對於評估運動技能及預防運動傷害非常重要，但現有的深度學習自動評估方法僅提供排名分數，缺乏詳細反饋，影響其有效性。為了解決這個問題，我們開發了LLM-FMS數據集，包含1812個關鍵幀圖像及七個FMS動作的詳細數據。我們還提出了一個新框架，利用大型語言模型（LLMs）來評估動作質量，結合專家規則和關鍵骨骼特徵，提供更準確且可解釋的評估結果，顯示出我們方法的潛力。 PubMed DOI