這篇論文探討了對話中的情感識別（ERC）面臨的挑戰，對於創建具同理心的對話系統非常重要。作者指出情感與語義之間的弱相關性，因為相似的短語在不同上下文中可能傳達不同情感。為了解決這個問題，提出了一種新的損失函數Focal Weighted Loss (FWL)，並結合對抗性訓練，使用緊湊的MobileBERT模型。這種方法在四個基準數據集上測試，顯示出競爭力的結果，能在資源有限的情況下增強人類互動，與大型語言模型相抗衡。 PubMed DOI

這篇論文對多語言大型語言模型（MLLMs）進行了全面回顧，強調其在多語言任務上的成功。雖然該領域已有進展，但缺乏系統性的調查。論文的貢獻包括： 1. **廣泛調查**：首次詳細回顧MLLMs中的多語言對齊。 2. **統一分類法**：提供分類框架，總結目前進展。 3. **新興前沿**：識別關鍵新興領域及其挑戰。 4. **豐富資源**：彙編開源資源，方便研究者使用。 作者希望這項工作能激發更多研究與突破。 PubMed DOI

傳統自動作文評分系統只看單字和句子，無法掌握文章結構和語意。我們提出結合多層次語言特徵的混合模型，利用大型語言模型提升作文連貫性和品質評估。實驗證明，我們的方法比現有技術更準確，有助提升學生寫作評量的公正性與精確度。 PubMed DOI

這篇論文提出一種全新的高效轉移學習方法，專門用在視覺-語言模型。它結合了兩種特徵調整器，並利用大型語言模型自動產生更精細、具情境的提示，取代傳統模板化文字。這讓模型能更準確分辨不同類別，在11個資料集上都拿下最佳成績。程式碼和提示內容可在 GitHub 查詢。 PubMed DOI

這篇論文提出 ExDoRA 框架，透過挑選最相關又多元的 few-shot 範例，結合 LLM 產生的文字解釋，能有效提升 LLM 在新任務上的表現。應用於對話式憂鬱症偵測時，ExDoRA 不僅能穩定給出高品質解釋，還大幅提升召回率和 F1 分數，展現其在數位心理健康篩檢的潛力。 PubMed DOI

本研究開發了一套結合語音辨識、NLP文本分析和唇部動作偵測的即時英語口說學習系統，能針對發音和流暢度給予個人化回饋。系統準確率高達97.5%，明顯優於現有模型，並具備即時回饋和強大處理口音變異的能力，大幅提升英語口說學習的效果與個人化體驗。 PubMed DOI

這項研究發現，結合 soft prompt-based learning 和大型語言模型（像 GatorTronGPT），能大幅提升從不同醫院和疾病的臨床文本中萃取社會健康決定因素（SDoH）的效果。經過 prompt-tuning 的 GatorTronGPT，F1 分數最高比傳統 fine-tuned 模型多出 21.8%，顯示它在跨領域應用上表現更好。 PubMed

這篇研究發現，大型語言模型在沒經過特別訓練下，結合檢索增強生成（RAG）和提示工程，能有效自動摘要專業資訊，表現不錯。不過，還是會遇到像網頁爬蟲限制和偶爾誤解任務等問題，未來還需要進一步優化。 PubMed

翻譯教學很花時間，但AI工具能自動化重複工作。現在缺乏阿拉伯語相關資料集，這項研究用GPT把SauLTC轉成平行語料庫，方便教學。用餘弦相似度和人工評估檢查品質，發現LaBSE加GPT的組合相似度最高，達85.2%，顯示AI很有潛力協助翻譯教學資源建置。 PubMed DOI

這篇研究針對社群媒體假新聞氾濫，提出多階段轉移學習架構，結合RoBERTa和不同詞嵌入技術，並改良微調方式。實驗顯示，這方法在資料少時準確率提升至少3.9%，而且結果更容易解釋，優於現有模型。 PubMed DOI