人類數位雙胞胎系統HDTwin有潛力顛覆個人化認知健康診斷，因為它能整合多種健康數據，形成統一模型。認知健康複雜，整合資訊一直是挑戰。HDTwin利用大型語言模型，將來自不同來源的數據轉換為文本提示，並結合科學文獻，創建預測模型。在124名參與者的研究中，HDTwin準確率高達0.81，顯著超越傳統機器學習的0.65。此外，HDTwin還有聊天機器人介面，方便解釋診斷結果，提升早期檢測和介入策略的效果。 PubMed DOI

這項研究探討大型語言模型（LLM）代理的個體性和主動性，強調不再依賴預先定義的特徵。透過模擬一群協作的LLM代理，研究分析了社會規範、合作和個性特徵如何自發發展。結果顯示，這些代理會創造「幻覺」和標籤，增強溝通，並使互動中出現更豐富的詞彙。隨著交流進行，代理的情感變化，形成社群，最終導致個性的演變。這種方法為分析集體人工智慧及其動態提供了新視角。 PubMed DOI

這篇論文探討了一種新方法，利用AI生成內容（AIGC）模型自動化生成和審查熱力學模擬程式碼，特別針對LAMMPS軟體。提出的分子動力學代理（MDAgent）框架，透過大型語言模型簡化模擬程式的創建、執行和優化。為了微調模型，開發了針對LAMMPS的熱力學模擬程式碼數據集，專家評估顯示MDAgent顯著提升程式碼生成和審查效率，平均減少42.22%的任務時間，顯示其在材料科學中的應用潛力。 PubMed DOI

這項研究提出了一種新型的文本基礎超聲模擬控制系統，旨在簡化使用者體驗並縮短配置時間。透過大型語言模型（LLM）和地面人工智慧（AI）技術，系統將SimNDT的功能模組化，讓使用者能用自然語言下指令。報導指出，這項創新能將模擬設置時間縮短約75%。此外，結合自我檢查和多個LLM代理的協作，顯著降低了場景生成的錯誤率，從23.89%降至1.48%。整體而言，這種方法展示了AI在提升模擬系統效率和可靠性方面的潛力，特別適用於快速變化的數位雙胞胎系統。 PubMed DOI

這篇論文介紹一套得獎的3D超擬真互動數位人系統，採用模組化客戶端-伺服器架構，結合LLM、語音辨識、自然語言處理和情感TTS技術。透過電腦圖學和AI，打造擬真3D虛擬人，目標是革新數位內容的製作和應用方式，並探討未來發展潛力。 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

**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

醫療數位分身是針對個別病患建立可持續更新的虛擬模型，目前在醫學界還沒明確定義。論文指出其五大要素，包括病患、資料連結、虛擬模型、介面和同步。隨著資料整合、AI和機制建模進步，數位分身已能應用於臨床，如癌症和糖尿病。AI結合機制模型能互補不足，也有助於強化大型語言模型在醫療的應用。 PubMed DOI

用 LoRA adapters 微調 LLaMA-3，並專門用ICU醫師的出院摘要來訓練，可以大幅提升數位分身治療建議的準確度，明顯優於其他專科或混合資料。針對專科訓練的模型，BERTScore 高達0.842，顯示針對特定情境調整大型語言模型，對ICU臨床決策支援很有幫助。 PubMed DOI