Teriyaki是一個結合象徵性任務規劃和機器學習的框架，利用像GPT-3這樣的大型語言模型。這個方法旨在解決動態人機協作中的問題，透過逐步生成計劃行動提高效率，同時達成規劃和執行。初步結果顯示有希望的成果，包括更高的問題解決率、更短的計劃時間，以及縮短計劃可用性等待時間。 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

污水處理廠面臨運營挑戰，因為生物、化學和物理過程之間的複雜互動。傳統的建模方法在處理多樣化數據時常遇困難。大型語言模型（LLMs）提供了新解決方案，能整合數據、識別模式並改善決策過程。這篇文章探討如何利用多代理LLMs來提升污水處理廠的過程控制和決策能力，並透過污泥膨脹案例展示其優勢。儘管存在計算成本和AI決策風險，但可透過驗證和人類監督來解決。總之，多代理LLMs是污水處理廠運營中的關鍵創新。 PubMed DOI

這項研究介紹了一種新的個人化大型語言模型（PLLM）代理，旨在提升大型語言模型在人體與機器人及人機互動中的整合能力。雖然現有研究多集中於技術層面，但在適應個別用戶情境上仍面臨挑戰。我們提出利用特定領域數據來個人化模型，並透過NeuroSense EEG數據集進行驗證。研究結果顯示，PLLM在醫療、教育及輔助技術等領域具有效用，並探討了相關的倫理考量，如數據隱私問題。這標誌著人工智慧在適應性和個人化上的重要進展。 PubMed DOI

大型語言模型正帶動材料科學革新，讓自動化材料發現成真，像是資料擷取、性質預測都更有效率。不過，目前還有專業知識整合不夠、資源消耗大等問題。未來要加強LLM的適應性、效率和可信度，才能讓這些技術在實際應用上更可靠、更公平。 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

**重點摘要：** 這項研究把護理機器人的每隻手臂都當作獨立的代理人，並結合幾何限制和大型語言模型，讓機器人能更好地協調動作、規劃任務，進而提升護理工作的效率和準確性，讓護理照護變得更有效率也更到位。 PubMed DOI

這篇研究用GPT-4o取代傳統多智能體模擬的硬編碼行為，透過工具鏈把NetLogo和OpenAI API串接，讓智能體能根據環境動態產生行為。實驗證明，LLM能有效驅動群體自我組織和湧現現象，為自然智慧系統研究帶來新方法。程式碼和資料可在GitHub下載。 PubMed DOI

BehaveAgent 是一套自主 AI 系統，能自動從影片分析各種生物的行為，完全不需人工標註或訓練。它能辨識情境、追蹤對象、判斷行為並產生報告，讓行為分析更快速、省力又方便，非常適合研究人員使用。 PubMed DOI

大型語言模型（LLMs）能自動化調整 Excel 健康經濟模型和技術報告到新情境，準確率高、成本低。只要幾分鐘、幾美元就能完成，且調整結果幾乎完美。這方法有望加快健康科技評估流程，讓病患更快取得治療。 PubMed DOI