您的研究探討了使用ChatGPT學習先進駕駛輔助系統（ADAS）的效果，與傳統紙本學習相比。透過多選題問卷和NASA任務負荷指數，評估參與者的理解能力和認知負荷。結果顯示，使用ChatGPT的參與者正確率平均高出11%，且報告的認知和身體需求較低，顯示學習體驗更有效且壓力較小。研究強調ChatGPT能滿足不同學習偏好，增強對複雜主題的理解，並建議在教育中整合大型語言模型（LLM）工具，並需進一步研究其在不同族群和學習領域的影響。 PubMed DOI

這段文字探討金融敘事視覺化中自動化圖形疊加的挑戰，強調理解圖形疊加與敘事結構的關聯性。為了解決這個問題，作者調查了1,752個分層圖表及其敘事，找出常見的疊加及其正確用法。他們推出了FinFlier，一個利用大型語言模型的兩階段系統，能自動創建圖形疊加。系統包含文本數據綁定模組和圖形疊加模組，根據敘事順序生成有效的疊加。作者展示了FinFlier的能力，並提供性能評估，證明其有效性及生成圖表的質量。 PubMed DOI

大型語言模型（LLMs）因為能用簡單的提示處理各種自然語言任務而受到廣泛歡迎，讓非專家也能輕鬆使用。不過，撰寫有效的提示卻不容易，因為需要特定知識。為了幫助用戶改善提示，我們開發了PROMPTAID，這是一個互動式的視覺分析系統，能讓用戶創建、精煉和測試提示。PROMPTAID透過協調視覺化，促進關鍵字擾動、意義重述和選擇最佳範例，並經過專家意見和用戶研究驗證，讓用戶能輕鬆迭代提示，生成多樣選項，並有效分析提示表現。 PubMed DOI

這篇論文評估了兩個大型語言模型（LLMs）的視覺素養，分別是 OpenAI 的 GPT 和 Google 的 Gemini。研究目的是建立它們在視覺化能力上的基準。雖然這些模型在生成描述和圖表設計上有潛力，但它們的視覺化評估能力仍未被充分檢視。透過修改過的 53 項視覺素養評估測試（VLAT），結果顯示這些 LLMs 的視覺素養水平低於普通公眾，且在回答問題時多依賴先前知識，而非視覺化呈現的信息。 PubMed DOI

大型語言模型（LLMs）如GPT-4與擴增實境（XR）技術結合，能創造沉浸式環境，並透過自然語言與使用者互動。不過，XR環境的複雜性使得提取上下文數據變得困難，導致成本上升和錯誤產生。為了解決這些問題，我們推出了LLMER框架，利用LLMs生成的JSON數據來構建互動式XR世界。LLMER能有效減少應用崩潰和延遲，初步研究顯示其令牌消耗減少超過80%，任務完成時間減少約60%。使用者反饋也指出了優化的空間。 PubMed DOI

這項研究發現，ChatGPT-4o在讀取青光眼視野檢查報告的數值和文字資料時表現很準確，能正確判斷檢查可靠度和整體診斷，但在分辨視野缺損的類型和位置時容易搞混，尤其是上下方。整體來說，AI分析文字和數據比影像更強，但還有進步空間。 PubMed DOI

這篇論文提出 InsightLens 系統，專為解決用大型語言模型分析資料時，洞見難以管理和追蹤的問題。InsightLens 能自動記錄、整理並視覺化對話中的資料洞見，讓分析師更方便管理和查找。研究結果顯示，這系統能減少手動整理的麻煩，降低認知負擔，提升分析效率。 PubMed DOI

這篇研究回顧了LLM在自動化科學文獻回顧的應用，分析了172篇論文。多數專案用ChatGPT或GPT系列，特別在文獻搜尋和資料擷取上表現比BERT好。不過，實際上很少有論文註明用LLM協助。雖然LLM處理數值資料還有些限制，但未來很可能會大幅改變文獻回顧的流程。 PubMed DOI

VOICE 是一套結合大型語言模型和互動視覺化的科學溝通工具，能用語音指令即時操作 3D 模型並獲得解說。它採雙層代理架構、微調和提示工程，並以分子視覺化為例，經用戶研究證實能有效滿足需求。更多資訊可見 https://osf.io/g7fbr。 PubMed DOI

大型語言模型在視覺化任務中，特別有專家指引時，能模擬人類評分與推理，且在專家信心高時表現與人類相近。不過，LLMs在穩定性和偏誤上仍有限，適合用來快速原型評估，但還是無法完全取代傳統使用者研究。 PubMed DOI