資訊檢索系統，俗稱搜尋系統，現在很常見。最近把基於大型語言模型的生成式人工智慧整合進去，引起了關注。討論了生成式AI在資訊檢索的應用，特別是在學術領域，包括動機、關注重點和成果等。使用者，尤其是學者，透過檢索系統找尋權威、即時和符合情境的資訊。雖然LLMs有潛在好處，但提升搜尋系統仍是一個重要且需要持續研究的議題。 PubMed DOI

研究發現，病患在Bing搜尋脊椎手術資訊時，大多數回答都準確完整，且錯誤會被更正。商業來源常見，政府來源評分最高。研究強調需持續評估改進大型語言模型，以提供病患可靠網路資訊。 PubMed DOI

您的分析指出大型語言模型（LLMs）中存在的政治偏見問題。透過對24個對話型LLM進行測試，發現它們在政治問題上主要偏向左派觀點。雖然五個基礎模型的表現不佳，但這也讓結果的可靠性受到質疑。此外，研究顯示LLMs可以透過有監督的微調受到特定政治取向影響，這對公共話語的塑造有重要意義。這些潛在的偏見可能影響社會認知與決策，因此在開發和使用LLMs時，必須仔細考量其政治影響。 PubMed DOI

這項研究探討了陰謀論信念的持續性，並測試使用GPT-4 Turbo進行個性化對話是否能有效減少這些信念。研究涵蓋2,190名陰謀論信徒，結果顯示干預措施使信念減少約20%，且效果在兩個月內持續，對各種陰謀論都有影響。即使是信念強烈的人也能改變看法。這表明，面對有說服力的證據，許多持有陰謀論信念的個體能夠調整自己的觀點。 PubMed DOI

這個專案旨在改善使用者在Twitter上接觸到經過驗證的新聞，解決極化和錯誤資訊問題。研究持續兩週，參與者達28,457人，使用28個由GPT-2創建的機器人，針對非政治主題的推文回應，分享相關新聞連結，並鼓勵關注新聞機構。結果顯示，與機器人互動的使用者更可能關注新聞帳號，尤其是女性機器人的回應更受歡迎。不過，這些效果主要限於已對政治感興趣的使用者，顯示在社交媒體上促進新聞參與的挑戰。 PubMed DOI

這項研究探討大型語言模型（LLM）在事實查核方面對政治新聞標題的影響。雖然該模型在識別虛假標題的準確率高達90%，但並未顯著提升參與者的辨識能力或分享準確新聞的意圖。相對而言，人類生成的查核更有效。此外，AI查核可能導致對真實標題的信念下降，對虛假標題的信念上升。總之，雖然AI能協助查核，但錯誤標記也可能帶來風險，需謹慎應用並制定相關政策。 PubMed DOI

這項研究調查了像 ChatGPT 這類大型語言模型在科學詢問中的使用情況及人們的看法，基於2023年7、8月來自七國的4,320名受訪者的數據。儘管這些技術較新，許多使用者仍表示會利用 ChatGPT 獲取科學資訊。研究比較了使用者對 ChatGPT 和傳統資訊來源（如 Google 搜尋）的看法，以及他們對生成式人工智慧的知識和信任程度，並與不使用者及不同目的的使用者進行比較，提供了對 GenAI 早期採用及其對公眾理解科學議題影響的見解。 PubMed DOI

這項研究探討大型語言模型（LLMs）如ChatGPT與傳統搜尋引擎如Google在獲取健康資訊的使用情況。調查顯示，95.6%的人使用搜尋引擎查詢健康問題，但只有32.6%的人使用LLMs。男性、黑人和亞裔更常使用LLMs，且健康狀況較好和技術熟練度高的人也較常使用。 後續調查中，大多數LLM使用者仍偏好搜尋引擎，認為LLMs的實用性不如搜尋引擎，但對其負面感受較少，認為LLMs更具人性化。總體來看，搜尋引擎仍是主要工具，但LLMs的正面評價顯示其未來增長潛力。 PubMed DOI

這項研究指出社交媒體對抑鬱症患者的影響，特別是他們與扭曲內容的互動。研究中838名參與者顯示，抑鬱症狀較重的人更容易接觸這類內容。研究還提出一個簡單的介入措施，能幫助人們提高意識，減少與扭曲內容的互動，無論抑鬱程度如何。這顯示針對性的意識訓練能有效減輕社交媒體對抑鬱症患者的負面影響，並強調進一步研究社交媒體與心理健康關係的重要性。 PubMed DOI

這項研究探討使用者對大型語言模型（LLM）驅動的聊天機器人（如ChatGPT）提供的健康資訊的看法，與傳統線上資源相比。結果顯示，98%的參與者仍主要依賴搜尋引擎尋找健康資訊，只有21.2%使用聊天機器人。大多數人尋求健康狀況資訊，但對於用藥建議和自我診斷的需求較低。雖然LLM聊天機器人逐漸受到年輕族群的青睞，但使用者在遵循建議時仍較為謹慎。研究強調提高準確性和透明度對於健康資訊的安全性至關重要。 PubMed DOI