這篇論文探討人工智慧在重度憂鬱症診斷中的應用，指出其潛力與不足之處，並將診斷方法分為三個世代： 1. **第一世代**：以知識為基礎，使用結構化資訊，特徵選擇影響結果。 2. **第二世代**：以數據為基礎，自動學習特徵，但依賴高品質臨床數據，結果缺乏可解釋性。 3. **第三世代**：混合方法，結合知識與數據驅動，提升準確性，但可解釋性仍有挑戰。 論文建議使用大型語言模型來改善憂鬱症診斷的可解釋性，並探討其潛在好處與挑戰。 PubMed DOI

這篇論文提出了一種新方法，利用傳感器網絡驅動的知識圖譜進行情境學習（KG-ICL），以改善工業設備的故障診斷。它強調傳感器數據在故障識別和隔離中的關鍵角色，並透過建立特定領域的知識圖譜來捕捉專家知識。該方法使用長度實體相似度（LES）來提取相關資訊，並結合大型語言模型進行因果分析，提升故障診斷的準確性與效率。實驗結果顯示KG-ICL在識別故障原因和位置上非常有效，為工業環境的狀態監測和故障管理提供了強大工具。 PubMed DOI

這項研究探討了一種新演算法GLM-4，旨在改善CNC機器切削工具的壽命診斷。傳統深度學習在小數據集上表現不佳，但大型語言模型（LLMs）提供了新解決方案。該模型在PHM 2010數據集和專有銑刀數據集上分別達到93.8%和93.3%的診斷準確率，超越了傳統模型如SVM、CNN和RNN，以及基準LLMs如ChatGLM2-6B。研究顯示，結合特定領域的特徵工程與LLMs能顯著提升智能製造的診斷能力。 PubMed DOI

這篇論文提出用大型語言模型（LLM）來解決機車維修數據標準化的問題，對提升RCM分析很有幫助。作者結合高品質數據、通用LLM和微調技術，開發了數據標準化工具和智慧問答系統。問答系統準確率很高，標準化工具也很快，大幅提升效率並減少人力和時間成本。 PubMed DOI

大型語言模型（LLMs）能理解和產生自然語言，正改變醫療、教育、金融等產業，提升效率和準確度。不過，LLMs也有倫理、偏見和高運算成本等問題。本文分析其發展、應用和限制，並探討未來趨勢。 PubMed DOI

這篇論文回顧AI，特別是大型語言模型在中醫診斷的應用，整理了機器學習在中醫影像、文字、波形等資料上的進展，並分析LLMs的最新應用。文中也討論AI導入中醫的機會與挑戰，期望為未來研究和智慧中醫診斷技術融入醫療體系提供參考。 PubMed DOI

這篇論文提出HybridRAG飛機故障診斷框架，結合知識圖譜和大型語言模型，利用多種檢索技術（圖譜推理、向量搜尋、BM25），能從不同資料來源取得資訊。這方法提升診斷準確度，F1分數比傳統高4%，幻覺率低7%。同時內建智慧助理，能互動協助維修人員排除故障，讓診斷更聰明、更有效率。 PubMed DOI

這篇論文提出一套多模態系統，能整合影像、感測器數據和生產紀錄，並結合大型語言模型。系統有統一資料格式、動態分詞和強大跨模態對齊能力，採用兩階段訓練。新開發的Transformer模型同時支援影像和文字生成，提升即時決策。實驗證明，這方法在影像-文字檢索和視覺問答等任務表現優異，對智慧製造和異常偵測等應用很有幫助。 PubMed DOI

這項研究用專家指導的模糊邏輯和提示工程，微調GPT模型，讓它能準確又簡潔地摘要連續血糖監測數據。微調後的GPT-4o準確率高達96%，顯示AI有助於糖尿病管理，能把複雜數據轉成實用資訊，減輕醫護人員負擔。 PubMed DOI

這篇回顧發現，大型語言模型（LLMs）在個人化醫療診斷上越來越常被應用，能提升診斷準確度並協助量身打造治療。不過，資料隱私、模型解釋性和可靠性還有待加強，未來需持續研究和建立相關保障，才能安心用在臨床上。 PubMed DOI