大模型与生成式人工智能研究

生成式AI在教育中展现出巨大潜力，但也带来了伦理、教学质量和学生自主学习能力等多重挑战。

大型语言模型（LLMs）如何重塑集体智能，带来机遇与挑战。

大模型驱动的具身智能通过结合大模型的感知、推理能力与具身智能框架，提升数据效率和泛化能力，推动人工智能迈向实体机器人。

这篇教程介绍了如何利用开源的大型语言模型（LLMs）推动行为科学研究，涵盖特征提取、微调和文本生成等应用。

本研究通过比较BERTopic与传统主题模型，揭示了MOOC论坛中紧急帖子的主题识别方法，帮助教师快速响应学生需求。

本文探讨了大型语言模型（LLMs）是否真正使用其生成的词语，并提出了从语言学元语义理论的角度来评估其输出的意义。

本文通过设计推理端指令策略，构建了大模型在学术文本挖掘中的专业能力评测框架，揭示了千亿级大模型在复杂任务上的优势。

中国提出包容性全球人工智能治理框架，应对大模型时代的全球挑战，强调以人为本、多元参与和数字正义。

本文提出了一种新的层次感知提示调优方法，显著提升了层次文本分类任务的性能。

人工智能大模型正在引领科技创新变革，推动科学研究和技术创新的边界拓展与效率提升。

研究通过机器学习分析疫情期间欧洲四国患者对虚拟初级医疗的看法，揭示了其优势与挑战。

本文提出了一个框架，用于理解教育中大型语言模型（LLMs）的偏见来源，帮助评估和缓解这些偏见，促进教育公平。

这篇论文提出了一个基于大模型智能体的安全风险态势感知框架，旨在提升安全情报工作的智能化水平。

本研究通过大模型技术推动深度课堂变革，构建了“师—生—机”三元互动机制，显著提升了学习动机并降低了认知负荷。

研究发现，深度伪造（deepfake）技术在情感表达研究中可能比动态变形（dynamic morphs）更接近真实视频的表现。

金融大模型在提升金融行业效率的同时，也带来了算法可信、数据安全和法律监管等风险，需通过制度创新应对这些挑战。

这篇论文探讨了人工智能设计研究的挑战，并提出了在信息系统领域发表相关研究的可行路径。

本文提出了一种基于人工智能教育大模型的综合素质评价框架，旨在通过数智化动态评价提升教育评价的实效性。

本文探讨了提示工程与对齐技术在提升大语言模型和视觉语言模型性能中的应用，提出了基于提示优化、专家反馈和实时调整的引导框架。

研究发现GPT-4在大多数心理理论任务中表现优于人类，但在识别社交失误方面表现不佳。