這項研究探討如何利用大型語言模型（LLM）分析媒體對中國的態度，以香港的《東方日報》為例。研究強調分析媒體數據集對理解公眾意見的重要性，並指出傳統方法常忽略隱性態度。研究使用Martin和White的框架來分類態度，並運用Meta的開源Llama2（13b）模型進行分析，針對40,000條與中國相關的表達進行量化。結果顯示，LLM能有效識別顯性和隱性態度，準確率約80%，與人類編碼者相當。研究也討論了實施過程中的挑戰及其解決策略。 PubMed DOI

這項研究探討如何利用大型語言模型（LLMs）來提升自然語言處理中的文本相似性理解。研究中，微調後的LLaMA模型（70億參數）在F1分數上達到84.9%，超越了先前的Siamese卷積神經網絡（82.02%）。此外，700億參數的LLaMA3.1模型也表現不俗，F1分數為74.4%。這顯示微調LLMs對特定任務的有效性，並建議可應用於履歷與職位匹配及學術投稿審稿人識別等領域。 PubMed DOI

這項研究致力於開發一個框架，從非結構化的中文心理健康文本中提取資訊，以增強心理諮詢的支持。研究面對心理健康數據的敏感性及中文數據集的稀缺等挑戰，並利用心理學專家的指導，結合ChatGPT生成的合成數據，創建專門數據集。框架透過微調開源大型語言模型（LLMs）來執行命名實體識別和關係提取，並引入類型驗證組件以提高準確性。實驗結果顯示，這種方法顯著提升了提取準確性，並具備良好的資源效率，對心理健康系統的自動化有潛在貢獻。 PubMed DOI

文件分類在自然語言處理（NLP）中非常重要，應用於情感分析、內容推薦和資訊檢索等領域。本文探討Meta AI的LLaMA2在提升英文文件分類的能力。實驗結果顯示，LLaMA2在WOS-5736數據集上表現優於傳統方法，精確度和召回率更高。此外，我們分析了LLaMA2的可解釋性，找出影響分類的關鍵特徵。這些發現顯示先進語言模型在改善分類結果及理解文件結構方面的潛力，推進了NLP的研究方法。 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

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 LMCEE 方法，把大型語言模型和 prompt learning 結合來擷取臨床事件，F1 分數明顯勝過傳統和舊有生成式方法。不過，LMCEE 的效果很依賴 prompt 設計和 LLM 選擇，還有進步空間。 PubMed DOI

這篇綜述探討大型語言模型（LLMs）如何協助中醫與現代醫學整合，指出目前缺乏統一標準是主要障礙。文章回顧不同領域的LLMs，分析其架構、訓練資料及限制，並提出利用LLMs彌補兩者差距的解方。最後認為AI有機會結合兩種醫療體系優勢，推動更個人化且有效的健康照護。 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