這篇論文探討了大型語言模型（LLMs）在營養與飲食應用中的表現，特別是針對註冊營養師（RD）考試的1050道問題。研究比較了GPT-4o、Claude 3.5 Sonnet和Gemini 1.5 Pro的準確性與一致性，並分析了不同提示技術的效果。結果顯示，GPT-4o在使用帶自我一致性的思考鏈（CoT-SC）時表現最佳，而Gemini 1.5 Pro在零提示（ZS）下則展現最高一致性。研究強調選擇合適的LLM和提示策略對減少錯誤風險的重要性。 PubMed DOI

這項研究探討了使用OpenAI的GPT-4o模型透過照片來評估餐點的營養成分，並與稱重食物紀錄及營養師的評估進行比較。結果顯示，該模型在評估能量、脂肪、蛋白質、碳水化合物和鹽的表現普遍不佳，但在纖維含量的評估上卻有顯著優勢，達到0.71的相關係數，超過營養師的0.57。這顯示目前的AI方法雖然能簡化食物紀錄，但在纖維評估上較為可靠，對其他營養成分則不然。 PubMed DOI

本研究探討ChatGPT-4在評估餐點營養成分的有效性，分析了114張餐點照片。結果顯示，ChatGPT能準確識別93%的食物，對小份量餐點的重量估算一致性良好，但中、大份量則較差。16種營養素中，有10種的估算結果一致性不佳，且多數低估了含量。與七位營養師的評估相比，ChatGPT在食物識別和小份量估算上表現優異，但在中、大份量及營養成分計算上仍需改進。 PubMed DOI

傳統的食物推薦系統在面對多樣化和不平衡的數據時，常常遇到樣本數不足的問題。雖然大型語言模型（LLMs）提供了一個有潛力的解決方案，但現有的通用推薦方法並不適合食物推薦。為了解決這個問題，我們提出了食物推薦作為語言處理（FRLP）的框架，專門設計來利用LLMs的優勢，提供更準確且個性化的食物推薦，並針對食物領域的獨特挑戰進行優化。 PubMed DOI

這項研究探討了先進的自然語言處理技術如何改善食物分類和飲食分析，使用來自飲食追蹤應用的原始文本。研究分為數據收集、框架開發和應用三個階段，參與者透過 myCircadianClock 應用記錄餐點。研究人員創建了 NutriRAG 框架，結合大型語言模型如 GPT-4，提升了食物分類的準確性。結果顯示，參與者在不同飲食模式下的飲食行為有顯著變化，顯示出 NutriRAG 在個性化營養和健康問題解決上的潛力，並建議進一步研究。 PubMed DOI

本研究探討大型語言模型（LLMs）在為乳腺癌患者提供個性化飲食建議的潛力。透過三十一個提示模板，評估了ChatGPT和Gemini的建議，並與四位腫瘤科營養師的回應進行比較。結果顯示，LLMs能生成符合地點、文化和預算的購物清單和餐計劃，但對年齡和疾病階段的考量不足。Gemini的回應更具細節和視覺效果。雖然營養師的計劃更接近美國農業部的卡路里需求，但LLMs在宏量營養素比例上表現較佳。總體而言，LLMs可成為癌症患者的有用資源，促進健康公平。 PubMed DOI

大型語言模型（LLMs），像是ChatGPT，正被研究用於增強慢性腎臟病（CKD）患者的營養指導。為了發揮其最佳效能，醫療專業人員、患者及照顧者的合作至關重要。雖然LLMs能提供食譜建議，但在分析電解質和卡路里等重要營養成分上仍有不足。未來的技術進步預期能改善這些能力，實現精確的營養分析和烹飪輔助工具。CKD社群的參與對於推動人工智慧在營養護理中的應用非常重要，並需保持批判性思維。 PubMed DOI

目前食品擠壓研究缺乏標準化資料集，影響進展。作者建立人工整理的資料集，並測試大型語言模型（LLMs）自動擷取文獻資料的能力。結果發現，LLMs 雖然偶有錯誤或遺漏，但能大幅減少人工整理時間，是輔助建立資料集、加速研究的有力工具。 PubMed DOI

這項研究比較 GPT-4o、Llama-3 (70B) 和 Mixtral (8x7B) 三款大型語言模型，發現 Llama-3 (70B) 和 GPT-4o 拆解餐點成分的表現都比 Mixtral 好，尤其 Llama-3 (70B) 準確率和 F1-score 都最高。結果顯示，像 Llama-3 這類開源模型，對個人化營養和餐點客製化很有幫助。 PubMed DOI

作者們開發了 FoodSky，一款專為食物領域設計的大型語言模型，結合完整食物知識庫和先進演算法。FoodSky 在專業食物考試中表現優於一般模型，展現出在烹飪和飲食相關任務上的高效能，為食物專業 AI 設下新標準。 PubMed DOI