使用大型语言模型（LLMs）综合多传感器数据生成临床有用的洞察力，首次展示使用 LLMs 进行二元抑郁症分类的准确性超过了现有技术，而且还强调了人工智能与医生领域专业知识和患者背景相结合的人工智能协同方法在临床决策支持方面的价值。

Nov, 2023

通过引入图增强型 LLM 框架，本文试图显著提高个性化和清晰度的健康洞察力，利用层次图结构捕捉病人间和病人内部关系，并丰富 LLM 提示信息，通过一个睡眠分析案例研究在 COVID-19 封锁期间涉及 20 名大学生，展示了我们的模型在有效生成可行和个性化健康洞察力方面的潜力，并利用另一个 LLM 评估了这些洞察力的相关性、完整性、可操作性和个性化程度，从而满足有效处理和解释复杂健康数据的模型的重要需求。我们的研究结果表明，使用我们的框架增强提示信息在所有 4 个标准下都取得了显著改进，通过我们的框架，我们可以产生量身定制、更慎重的回应，以适应特定的病人。

Jun, 2024

该研究探讨了大规模语言模型在多模态健康预测中的应用，通过上下文信息和生理数据进行综合评估，并展示了 fine-tuned 模型在健康预测任务中的表现和对上下文增强策略的有效性。

Jan, 2024

个人健康大型语言模型（PH-LLM）从时间序列个人健康数据中细化和调整，以理解和推理个人健康数据，并进行个性化的见解和推荐，同时使用多模式编码来预测自报告的睡眠质量结果。

Jun, 2024

通过使用 Large Language Models (LLMs)，我们提出了 ModelGPT 框架，以满足用户的特定需求，并以更快的速度生成定制化的 AI 模型，以实现更加便利和用户友好的人工智能模型。

Feb, 2024

本文介绍了一种基于 ChatGPT 的 BookGPT 书籍推荐系统，利用大型语言模型技术实现了书籍的评分、用户评分和书籍概述等三项典型任务。同时，本文还讨论了 BookGPT 在书籍推荐场景中的优缺点，并分析了后续 LLM 在这些场景中的机遇和改进方向。

May, 2023

LLMs like GPT-4 show exceptional cross-domain understanding and reasoning for embedded systems development, producing fully correct programs, functional interfaces, register-level drivers, code for LoRa communication, and context-specific power optimizations, resulting in improved productivity and success rate using an AI workflow.

Jul, 2023

EEG-GPT 是一种统一的脑电图分类方法，利用大型语言模型的进展实现了在多尺度脑电生理理解和分类能力方面出色的性能，同时提供透明和可解释的逐步验证过程，从而在临床环境中提高了可信度。

Jan, 2024

本研究评估了大型语言模型（LLMs）GPT-4 和 GPT-3.5 在教育反馈调查中提供洞察力的潜力，并应用自然语言处理的方法，通过多标签分类、提取、主题分析和情感分析等任务来实现教育中常见的目标，从而展示了 LLMs 在洞察力提取方面的巨大潜力。

Sep, 2023

利用大型语言模型（GPT-4、Llama 2 chat 和 Gemini）进行抑郁症检测与治疗的革新性范式，通过专用提示进行精调，以诊断、解释和提供抑郁症的治疗干预；独特的少样本提示方法增强了模型基于 DSM-5 标准分析和解释抑郁症状的能力；与资源如 PsychDB 和认知行为疗法指南结合进行共情对话管理，提供支持性互动；通过引入包含多种 CBT 模块的 Illuminate 数据库提供个性化疗法建议；通过在不同测试数据集上评估模型的性能，并使用 F1 分数、精确率、召回率、余弦相似度和 ROUGE 等指标展示模型的有效性，该研究将尖端人工智能和传统心理方法相结合，为心理健康护理提供新的可能性，并展示了大型语言模型在革新抑郁症诊断和治疗策略方面的潜力。

Feb, 2024