Project Details
Abstract
本計畫將探討如何運用各種先進的提示工程方法 (Prompt Engineering)，以最大程度地引導大型語言模型 (Large Language Models (LLMs)) 在幼童的自閉症 (Autism Spectrum Disorder (ASD)) 診斷能力和精準度進行系統性的評估研究。透過調整提示工程的形式和對大型語言模型進行微調策略，我們設計並評估了多種提示工程方式，旨在提高大型語言模型在 ASD 診斷方面的性能表現。期望本研究為大型語言模型在自閉症幼童研究領域的診斷方法提供新的洞見，並為未來的智慧醫療研究和數位醫療與大型語言模型的應用上奠定初步的基礎。
Project IDs
Project ID:PB11307-2919
External Project ID:NSTC113-2221-E182-049
External Project ID:NSTC113-2221-E182-049
| Status | Active |
|---|---|
| Effective start/end date | 01/08/24 → 31/07/25 |
Keywords
- Large Language Models
- AI
- Autism
- Prompt engineering
- Fine-tuning
- Big data analysis
Fingerprint
Explore the research topics touched on by this project. These labels are generated based on the underlying awards/grants. Together they form a unique fingerprint.