本計畫聚焦多模態人工智慧之理解、推理、可控制性與可信賴性，探討模型如何整合文字、語音與視覺等多元資訊，以更貼近真實世界的人類互動情境。研究亦將關注模型驗證、人文包容與人機協作等重要議題。

計畫將以醫療代理人為應用示範，發展多模態檢索、情緒理解與輔助問診等技術，提升系統對複雜資訊的整合與回應能力。預期成果可建立透明、可回溯且具實務潛力的 AI 應用架構。