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

這項研究探討大型語言模型（LLMs）在創建自主模擬代理（ASA）方面的潛力，該代理能自動化模擬研究過程。ASA能依據人類提供的計畫，處理實驗設計、模擬執行、數據分析及報告生成等任務。透過聚合物鏈構象的案例，研究評估了不同LLMs的表現，發現ASA-GPT-4o的表現優異，能在無人介入下自主運作20個循環，顯示其在科學研究自動化的潛力。研究還強調了ASA在管理複雜任務時的自我驗證能力。 PubMed DOI

這篇論文探討了一個智能代理的開發，利用大型語言模型（LLMs）來優化平行磁共振成像（pMRI）重建，特別是針對GRAPPA方法。傳統的pMRI重建需大量參數調整，過程繁瑣。雖然數據驅動的AI已改善重建質量，但知識驅動的AI方法尚未充分利用。 作者提出利用LLMs生成規劃領域定義語言（PDDL）文件，幫助指導GRAPPA重建，讓過程更高效，特別對非專家的MRI技術人員友好。實驗結果顯示，這種方法能有效提升影像質量，未來可能實現完全自動化的重建過程，減少人類干預。 PubMed DOI

您開發了一個大型語言模型（LLM）輔助的系統，專門用於健康技術評估（HTA）的系統性文獻回顧（SLR）。這個系統包含五個模組，從文獻搜尋到數據總結，並具有人機協作的設計，能根據LLM與人類審查者的意見調整PICOs標準。經過四組數據評估，系統在摘要篩選中表現優異，達到90%的敏感度和82的F1分數，顯示出與人類審查者的高一致性。這個AI輔助系統有潛力簡化SLR過程，降低時間和成本，並提升證據生成的準確性。 PubMed DOI

這項研究探討人類與大型語言模型（LLMs）合作對腦部MRI掃描診斷準確性和效率的影響。研究中，六名放射科住院醫師評估40個挑戰性MRI案例，分別使用傳統網路搜尋和LLM輔助搜尋。結果顯示，LLM輔助的診斷準確率為61.4%，高於傳統的46.5%，且差異具統計意義。不過，解讀時間和信心水平未見變化。研究指出的挑戰包括案例描述不準確、LLM的幻覺現象及上下文不足。雖然LLM能提升診斷準確性，但仍需進一步研究以優化人類與LLM的合作。 PubMed DOI

最近人工智慧（AI）領域的進展，越來越多地結合大型語言模型（LLMs）與專門工具，如搜尋引擎和模擬器。不過，這些系統多由專家設計，調整過程繁瑣，影響進步速度。為了解決這個問題，我們提出了TextGrad，一個透過反向傳播優化AI系統的靈活框架。它能自動增強系統內部組件，並使用自然語言反饋，應用於解決科學問題、優化治療計畫、設計分子等，為科學家和工程師提供創建生成式AI系統的便利工具。 PubMed DOI

這篇論文探討了一種新方法，利用AI生成內容（AIGC）模型自動化生成和審查熱力學模擬程式碼，特別針對LAMMPS軟體。提出的分子動力學代理（MDAgent）框架，透過大型語言模型簡化模擬程式的創建、執行和優化。為了微調模型，開發了針對LAMMPS的熱力學模擬程式碼數據集，專家評估顯示MDAgent顯著提升程式碼生成和審查效率，平均減少42.22%的任務時間，顯示其在材料科學中的應用潛力。 PubMed DOI

這篇論文介紹一套得獎的3D超擬真互動數位人系統，採用模組化客戶端-伺服器架構，結合LLM、語音辨識、自然語言處理和情感TTS技術。透過電腦圖學和AI，打造擬真3D虛擬人，目標是革新數位內容的製作和應用方式，並探討未來發展潛力。 PubMed DOI

這篇文章介紹一套AI多代理人系統，能大幅簡化醫療模擬情境設計，開發時間可縮短七到八成。系統分工明確，從設定目標到建立病患故事都由AI協助，介面也很直覺，讓醫療人員不用懂AI也能上手。雖然效率提升，但還是需要專業人員監督，避免AI出錯。這也凸顯跨領域合作和AI在醫療教育推廣上的價值。 PubMed DOI

這項研究發現，生成式AI（如Copilot、ChatGPT、Gemini）在審查職業健康論文時，回饋速度快又方便，但建議內容品質還是比不上人工審稿人。AI雖然能提升論文修改效率，但產出內容還是要再檢查，避免錯誤或假資訊。善用AI能讓學術寫作和發表更有效率。 PubMed DOI