大語言模型

可以讓LLM幫我生成問卷樣本嗎？以學習策略問卷為例

2025 年 11 月 07 日2025 年 11 月 05 日 CASE PRESS 人類行為模擬, 大語言模型, 學習策略

從ChatGPT出現後，大語言模型成為最火熱的話題，許多專家都積極投入，希望將這項技術應用於各個場域，如今幾乎各行各業都有其應用之處。既然LLM最擅長搜集、統整數據，並藉此產出許多資料，科學家們便開始是想，是不是能使用這項技術來產出大量模擬真人行為與想法的虛構樣本呢？這樣或許就能解決部分研究會面臨的樣本數量不足的問題。不過這項應用仍有許多問題尚須面對，像是模擬樣本是否能代表真實人類的想法，或是使用不同模型可能產出不同研究結果等，都有待未來科技發展來解決。

人工智慧&電腦、資料科學媒體識讀

讓電腦「看圖說故事」：運用大語言模型的視覺問答

2025 年 10 月 24 日2025 年 10 月 22 日 CASE PRESS AI圖說生成, 多模態模型, 大語言模型, 視覺問答系統

大語言模型除了解決自然語言處理的相關問題之外，在「視覺」等其他多模態學習領域方面，也可以有不同的應用，視覺問答就是其中一個當今人工智慧發展方面一個重要的研究方向。而知識型視覺問答更是進一步挑戰了模型的推理能力，要讓系統除了理解圖像之外，還要能理解使用者提出的問題，再整合外部知識以產生正確答案。以人類而言，看似直觀的「看圖回答問題」，對於人工智慧而言，必須整合好幾段模組才有可能發生！

人工智慧&電腦、資料科學人機互動

LLM與學生的人機互動：對於「能供性」的看法

2025 年 09 月 19 日2025 年 09 月 17 日 CASE PRESS 大語言模型, 能供性, 語言學習

ChatGPT在2022年底發布之後，讓學界及教育界的研究者們及教師都展開了關於大語言模型(LLMs)的相關研究。不少研究也開始將大語言模型應用到教育現場的應用當中，而LLMs所帶來的即時回饋、個人化學習等等，也為教育科技帶來了新的技術進展。

人工智慧&電腦、資料科學

解密ChatGPT的人格特質

2025 年 08 月 08 日2025 年 08 月 07 日 CASE PRESS 人格特質, 大語言模型, 機器心理學

大語言模型 (Large Language Models, LLMs) 展現了複雜的語言理解能力，也讓心理學家們開始試圖利用這樣的能力，讓這些語言模型去模擬真實世界中，不同文化群體在心理學面的個體差異。他們在LLM模擬不同的群體差異，創建了100個虛擬的人物，每個的社經地位、身分背景均不相同，並發放心理學問卷填寫，希望能藉此來理解真實情況下，這些群體人類的人格特質。

人工智慧&電腦、資料科學媒體識讀

數學應用問題怎麼解？讓LLM學會人類思維

2025 年 07 月 11 日2025 年 07 月 11 日 CASE PRESS 大語言模型, 數學, 計算

大語言模型帶給了我們生活很多的便利，不少人的資訊檢索習慣已經從搜尋引擎轉變到詢問大語言模型。不過，若是碰到數學問題，尤其是數學應用問題，是否能讓大語言模型在透過理解語言文字之後，完成推理，列出數學式子，以進一步完成題目的要求呢？

人工智慧&電腦、資料科學資料探勘

使用大語言模型進行文本探勘：心理社會障礙復健相關研究為例

2025 年 04 月 25 日2025 年 04 月 23 日 CASE PRESS 大語言模型, 心理社會復健, 心理社會障礙研究, 文本探勘

在醫療保健領域的研究當中，心理社會復健 (psychosocial rehabilitation) 以及心理社會障礙 (psychosocial disability) 的研究持續受到重視，圍繞著這個主題，已有不少研究論文產出。不同的研究針對了這個議題，提供了在診斷、預防措施、治療策略等等方面提供了不少觀點。如今大語言模型 (large language model, LLMs) 已經發展得越來越成熟，能否透過LLMs來進行文本探勘，分析前人大量的研究成果呢？

人工智慧&電腦、資料科學可解釋性與公平性

當大語言模型的發言帶有偏見時，你還相信它嗎？

2025 年 04 月 08 日2025 年 04 月 08 日 CASE PRESS 偏見, 大語言模型, 社會汙名

近年來隨著AI科技的出現，改變了人們的生活，尤其是2023年生成式AI的出現，更是把AI的討論度炒熱到了高點。儘管ChatGPT等大語言模型 (Large Language Model, LLM) 具有非常強大的語言能力，但是，距離AI完全的取代人類，仍然還有段距離，反倒是身為AI時代的人們，應該要學會如何使用AI，畢竟大部分的工作仍然得靠人類之手完成 (Abrial, 2023)。然而，當LLM的發言帶有偏見時，使用者是否能明確洞悉呢？

人工智慧&電腦、資料科學機器學習

超越人類認知謬誤的LLM

2024 年 08 月 30 日2024 年 08 月 28 日 CASE PRESS 大語言模型, 琳達問題, 認知反射測驗, 認知謬誤

你有沒有想過，當別人向你提問時，你回答問題的思考邏輯是什麼呢？這個看似很奇怪的問題，其實是非常重要的事情，因為它可能是造成我們思維與人工智慧思維有所區別的最大原因。從經典的心理學實驗「琳達問題」，認知心理家發現人們在思考時，容易因為捷思法，透過自己的經驗反射性判斷出答案，而非經過複雜縝密的思考。讓人意外的是，這樣的問題在LLM當中也同樣會發生，但差別在於LLM如果透過提示與修正提問方式之後，回答準確度會有上升的趨勢，但在人類身上並沒有這樣的效果。如此看來，機器的發展和人類大腦的發展，似乎並不是依循著相同的發展路線而前進，這又是另一個值得玩味的議題。

人工智慧&電腦、資料科學機器學習

「人工化學智慧」應用大語言模型 (LLM) 的化學分析工具

2024 年 08 月 16 日2024 年 08 月 14 日 CASE PRESS 化學分析, 化學合成, 大語言模型

大語言模型 (LLM) 的出現，讓人們看到了人工智慧所能展現的高度自主性，LLM能完成不少跨領域的任務，並且展現很不錯的自然語言處理能力。不過，面對一些看似簡單的數學計算或是化學式轉換的任務時，大語言模型卻會出現誤差。為了解決這個限制，並且發揮LLM的效用，必須整合其他工具，讓LLM變得具有計算及分析能力。