《Nutrients》：An Analysis of the Nutritional Value of Diets Generated by Large Language Models Under Average User Conditions—3(LM)Diet Study
编辑推荐：
背景/目标：人工智能工具正变得越来越普遍，包括在健康和饮食相关领域。然而，目前尚无研究显示大语言模型（LLMs）生成饮食的营养价值。本研究旨在分析三种主要语言模型生成饮食的营养价值。方法：研究使用了三种LLMs：ChatGPT、Gemini和Copilot。利
背景/目标：人工智能工具正变得越来越普遍，包括在健康和饮食相关领域。然而，目前尚无研究显示大语言模型（LLMs）生成饮食的营养价值。本研究旨在分析三种主要语言模型生成饮食的营养价值。方法：研究使用了三种LLMs：ChatGPT、Gemini和Copilot。利用每种模型，生成了针对三种能量变体的35天饮食计划：2000 kcal、2500 kcal和3000 kcal。随后使用饮食软件分析这些饮食计划。结果：所有LLMs生成的饮食计划均存在能量值不足（p < 0.001，单样本t检验），不足量在284–546 kcal之间，具体取决于模型和目标能量含量。这些饮食计划的特点是来自蛋白质的能量比例过高，而来自脂肪的能量比例过低。碳水化合物含量规划正确。ChatGPT和Copilot生成的饮食计划通常具有足够的维生素和矿物质含量。Gemini生成的饮食计划常存在缺乏，尤其是对于能量值较低的饮食。结论：LLMs生成的饮食存在许多缺陷。非专业用户在没有监督的情况下使用LLM生成的饮食计划可能会导致营养不准确的饮食，不应取代专业饮食咨询。
**论文解读：大语言模型在普通用户条件下生成饮食的营养价值分析**
**研究背景与意义**
饮食是影响个体健康的关键因素之一，合理的能量摄入有助于体重管理，宏量营养素和微量营养素的充足摄入对维持机体功能、预防和治疗多种疾病至关重要。然而，公众营养知识普遍不足，常依赖互联网等不可靠来源获取信息。近年来，大语言模型（LLMs）作为信息源日益流行，但普通用户缺乏正确使用这些工具的知识，可能导致不准确的饮食建议甚至健康风险。此前研究多集中于LLMs在营养咨询或短期（1–5天）饮食计划生成中的能力，且常仅针对单一模型，缺乏对长期饮食计划（如35天）的系统评估，也未结合特定国家的膳食指南和经济条件。因此，本研究旨在分析三种主流LLMs（ChatGPT、Gemini、Copilot）在模拟普通用户条件下生成的饮食计划的营养价值，评估其潜在健康风险。该论文发表在《Nutrients》期刊上。
**主要技术方法**
研究使用三种LLMs（ChatGPT GPT-5.5、Gemini 2.5 Flash、Microsoft 365 Copilot基于GPT-5），于2026年5月11日至25日期间，在波兰华沙通过免费账户生成35天饮食计划，模拟无相关知识的普通用户。每个模型分别生成2000、2500、3000 kcal三种能量变体的饮食计划，共105天计划。所有指令以波兰语发出，要求符合波兰膳食推荐和营养标准，并兼顾环保和经济性。生成后由营养师评估，最多补充4个指令以明确具体食材和重量，最终使用Dieta 6.0软件（波兰国家公共卫生研究所）进行营养成分分析，并与波兰现行营养标准（EAR/AI）比较。统计方法包括单样本t检验、Wilcoxon检验、Kruskal-Wallis检验、ANOVA及事后检验（Dunn、Scheffe、Tamhane）。
**研究结果**
**3.1 能量值**
所有LLMs生成的饮食计划能量值均显著低于目标值（p < 0.001）。Gemini在2000 kcal和2500 kcal目标下生成的能量值偏差最大，显著低于ChatGPT和Copilot（p < 0.001）。仅2.9%–8.6%的饮食计划达到目标能量值，多数计划偏差超过10%。Gemini在3000 kcal目标下偏差相对较小，但整体仍不足。
**3.2 蛋白质、脂肪和碳水化合物百分比**
不同模型间宏量营养素供能比例存在显著差异（p < 0.001）。ChatGPT提供蛋白质能量比例最高（22.3%），脂肪比例最低（21.8%）；Gemini脂肪比例最高（28.1%），碳水化合物比例最低（53.8%）。所有模型脂肪供能比例均低于波兰推荐值30–40%，碳水化合物比例在推荐范围45–65%内，蛋白质比例均超过推荐值（10–15%），但考虑到总能量不足，实际蛋白质摄入量可能合适。
**3.3 维生素和矿物质**
ChatGPT和Copilot生成的饮食计划通常满足钠、磷、铁、锌、铜、锰等矿物质需求，但Gemini在低能量计划中常缺乏钾、钙、铁、锌、锰等。维生素方面，所有模型均未达到维生素D标准，Gemini在多种维生素（A、B1、B2、B9等）上缺乏严重。ChatGPT和Copilot基本满足B族维生素和维生素A、C、E，但Gemini缺乏显著。
**讨论与结论**
讨论指出，生成饮食能量值普遍过低，可能因脂肪含量不足所致；Gemini在微量营养素方面表现最差，存在营养缺乏风险。所有模型均未超过可耐受最高摄入量。研究优势在于计划数量大（105天）、使用多种流行模型、模拟真实用户条件，局限包括非专家提示设计、仅使用三个模型、未指定性别/国籍等。结论：LLMs生成的饮食计划存在缺陷，主要表现为能量值过低、脂肪比例不足、某些营养素缺乏（尤其是Gemini）。非专业用户无监督使用LLM生成饮食计划可能导致营养不准确，不应取代专业饮食咨询。
