مدلهای زبانی بزرگ (LLM)؛ مجموعه مطالب تخصصی روانای در تقاطع روانشناسی، سلامت روان و هوش مصنوعی.
در تحلیل ثانویهی یک کارآزمایی با ۷۳ بزرگسال اوتیستیک، یادگیری چندنمونهای با GPT-4o در پیشبینی پاسخ به مداخلهی ذهنآگاهی از مدلهای یادگیری ماشین سنتی بهتر عمل کرد.
مقایسهی مستقیمِ نرخِ توهم (اختراعِ منبعِ علمیِ غیرواقعی) نشان داد GPT-4 در ۲۸٫۶٪ موارد، GPT-3.5 در ۳۹٫۶٪ و Bard در ۹۱٫۴٪ موارد، منبعِ جعلی یا نادرست ارائه دادند.
ابزار shamiriAI در مطالعهای مقدماتی و ۵۲ جلسهای در مدارس کنیا نشان داد پایشِ خودکارِ وفاداری با مدل زبانی بزرگ از نظر فنی شدنی است، اما در ابعاد کلنگر هنوز با ارزیابِ انسانی فاصله دارد.
در مطالعهای ۹۰ روزه روی ۴۳۲ فرد آسیبدیده، نشانگرهای زبانیِ استخراجشده با مدل زبانی بزرگ توانستند شدت علائم PTSD روز بعد را پیشبینی کنند.
مطالعهای مقدماتی در کانادا نشان داد سامانهای هوش مصنوعی عاملمحور که بیمار و ارزیاب شبیهسازیشده را ترکیب میکند، از نظر فنی برای تمرین مهارت مصاحبهگیری دستیاران روانپزشکی امکانپذیر است.
شش مدل زبانی بزرگ در پیشبینی نمرات آیتمبهآیتم چکلیست اختلال استرس پس از سانحه از روی رونوشت مصاحبههای بالینی، دقتی متوسط و هنوز ناکافی برای کاربرد بالینی نشان دادند.