基于Guard介导的大语言模型VR场景控制的母乳喂养支持训练：实施与技术评估

《Applied Sciences》：BreastfeedingSupport Training Using Guard-Mediated LLM-VR Scene Control: Implementation and Technical Evaluation

　　在可变延迟的人工智能对话处理异步进行的同时，VR状态继续逐帧更新。在本研究中，我们为母乳喂养支持训练实现了"守卫中介的LLM-VR场景控制"，其中由LLM派生的ActionClass和PhaseCandidate不直接用于更新阶段，而是与VR状态以及Unity侧由ActionClass中介的母亲虚拟形象状态一起，作为特定阶段的确定性守卫的输入。我们开展了三项研究：与20名护理学生的人机协同会话、实验后守卫/Turn-ID测试，以及由2名专家对639个案例进行的语义评估，此外还进行了状态绑定和本地守卫敏感性分析。未出现阻止会话继续的故障，参与者特定中位延迟的中位数为2.61秒。阶段守卫在1600个案例中全部与单独实现的基于规范的参考模型一致，Turn-ID门控消除了跨轮次的过时结果。LLM与专家的严格一致性在ActionClass上为74.5%/77.8%，在PhaseCandidate上为16.9%/35.2%。在两名专家语义标注不同的案例中，本地结果分歧率在第1阶段为85.2%，第2阶段为1.9%，第3阶段为56.8%；语义变异的影响在不同阶段存在差异。特别是，当前将PhaseCandidate作为独立的转换允许析取项使用的拓扑结构需要重新评估。本研究是一项技术先导研究和机制特异性表征，不评估教育有效性、临床疗效或安全性，也不评估相对于替代架构的优越性。