機器學習模型變得更複雜，需大量數據和計算力。擔心訓練數據隱私，難以重新訓練。模型修正是解決方案，可修正數據缺陷而不需重新訓練。有助解決模型偏見、有毒性和知識產權問題。論文探討不同模型修正方法，介紹現代機器學習系統技術。 PubMed DOI

Transformer神經網絡，特別是大型語言模型(LLMs)，在材料分析、設計和製造上很有效。它們能處理各種數據，支持工程分析，像MechGPT在材料力學領域表現出理解能力。檢索增強的本體知識圖表等策略可提高生成性能，解決困難。這些方法在材料設計探索中有優勢，並提供見解。非線性取樣和基於代理的建模增強生成能力，改進內容生成和評估。例如，問答、代碼生成和自動生成力場開發。 PubMed DOI

這段文字探討了DracoGPT的開發，這是一種從大型語言模型中提取視覺設計偏好的方法。主要擔心的是，如果這些模型無法準確編碼設計知識，建議可能不可靠。DracoGPT有兩個流程：DracoGPT-Rank和DracoGPT-Recommend，模擬如何對視覺編碼進行排名或推薦。研究顯示，DracoGPT能模擬LLM的偏好，但排名和推薦之間的一致性中等，且與人類實驗的指導方針有顯著差異。未來可增強知識庫，以捕捉更廣泛的偏好，提供更可靠的視覺設計方案。 PubMed DOI

生成式人工智慧（AI）正在迅速改變病理學教育，特別是大型語言模型和多模態工具的應用。這些技術能提供個性化學習體驗、簡化內容開發，並提高資源的可及性，支持學習者和教育者的培訓過程。案例研究顯示，整合這些技術能提升教育效果，但也需注意倫理影響和潛在風險。未來成功的關鍵在於AI專家與醫學教育者的合作，確保人類監督和透明度，強化教育者在病理學中的角色。 PubMed DOI

這項研究探討大型語言模型（LLMs）和生成智能如何改變時尚產業的設計、生產和零售流程。研究指出這些技術能帶來產品個性化和改善顧客互動的好處，但也面臨空間理解和設計細節的挑戰。為了克服這些問題，建議採用混合智能的方法，並強調在空間參數理解和設計工具上的進步。最後，研究認為儘管LLMs在時尚領域潛力巨大，但仍需進一步研究以提升其整合性和有效性。 PubMed DOI

這項研究探討了人工智慧工具，特別是ChatGPT，對設計師在企業環境中的影響，尤其是在簡報創建和評估方面。透過專家訪談和實驗，結果顯示人工智慧顯著提升了工作效率和使用者體驗。研究中也呈現了人工智慧在資訊檢索、分析和決策等方面的正面影響。不過，仍需面對資訊真實性、版權保護和專業身份等挑戰。這項研究提供了對人工智慧在商業中角色的深入理解，並提出實用建議，幫助企業未來更好地整合人工智慧。 PubMed DOI

網路評論的興起對消費者購買決策和產品開發影響深遠，但生成式AI技術如ChatGPT的出現，讓人擔心商家可能會製造虛假評論，影響評論的可信度。為了解決這個問題，提出了一種新方法，結合AI生成評論的檢測，專注於產品屬性。這方法利用預訓練語言模型來檢測評論真實性，並分析用戶偏好，改善產品開發的成本控制與設計決策。實驗結果顯示此方法相較於現有技術具優勢。 PubMed DOI

這份報告探討了X-LoRA-Gemma大型語言模型（LLM）的應用，這是一個擁有70億參數的多代理生成式人工智慧框架，專注於分子設計。模型結合人類與AI的合作，透過雙重推理策略來優化分子互動，並使用主成分分析等技術識別目標性質。生成的候選分子顯示出預期的特性，報告預測這些AI技術將在分子工程中越來越普遍，並提供創新解決方案，同時也討論了相關的挑戰與機會。 PubMed DOI

在智慧型手機攝影中，準確測量影像的感知色差（CDs）非常重要。傳統指標雖然提供數值評分，但無法清楚解釋差異原因。為了解決這個問題，我們推出了CD-Reasoning，這不僅計算CD分數，還能以符合人類感知的方式解釋差異。 CD-Reasoning基於新的多模態數據集M-SPCD，涵蓋七個關鍵屬性，如白平衡和亮度對比。透過這個數據集，我們增強了多模態大型語言模型（MLLMs），能更準確評估CD並詳細解釋影像差異。 實驗結果顯示，CD-Reasoning在準確性和解釋能力上均優於現有指標和MLLMs。源代碼將在 https://github.com/LongYu-LY/CD-Reasoning 提供。 PubMed DOI

衛星影像的可用性不斷提升，讓地球表面地圖的繪製加速，但準確性仍受限於現場數據不足。公民科學計畫如Geo-Wiki和Picture Pile雖有效收集數據，但仍需更佳策略來優化志願者的時間與努力。雖然部分專案已開始使用機器學習，生成式AI的潛力尚未被充分利用。本文探討如何透過生成式AI改善土地覆蓋與使用的繪製，特別是整合多模態大型語言模型（MLLMs），以提升AI的空間意識，進而增強數據收集與繪圖的效率。 PubMed DOI