大模型与生成式人工智能研究

这篇论文系统综述了AI与社会科学结合的两大方向：AI用于社会科学和AI的社会科学研究，探讨了大语言模型在这两个领域的应用与潜力。

教育大模型通过融合通用知识与专业知识，推动人类学习与机器学习的双向建构，重塑未来教育图景。

本文综述了2023年全文本文献计量分析学术沙龙，探讨了大语言模型在全文本计量分析中的应用及其未来发展趋势。

本文探讨了生成式人工智能（AIGC）与决策生成式人工智能（AIGA）的发展，特别是其与大模型的结合，展示了其在自然语言处理、计算机视觉等领域的强大潜力。

AI大模型通过推动智能生产力发展，成为新质生产力的重要驱动力，但面临数据、算力和治理等多重挑战。

利用自然语言处理技术，开发了一种自动化评分方法，显著减少了自传体访谈的评分负担，并提高了研究效率。

研究发现GPT-3.5在社会科学研究中无法有效替代人类参与者，且表现出思想多样性的减少。

本文探讨了如何利用生成式AI（如ChatGPT）通过提示工程推动创新，提出了四种机制和框架。

这项研究展示了基于生成式AI的聊天机器人SRLbot如何有效提升学生的自我调节学习能力和科学知识。

本文探讨了生成式聊天机器人在内容生成中的潜在风险，并提出了一个框架来管理这些风险，以避免生成虚假信息。

这篇论文提出了‘融智课堂’这一创新课堂形态，通过深度融入AI大模型，重塑数智时代的课堂教学。

本文提出了一种新的框架，帮助管理者评估企业采用AI聊天机器人技术的准备情况，结合技术接受模型（TAM）解决新兴技术的挑战。

本文探讨了生成式AI大模型的全球治理方案，提出借鉴欧盟《数字服务法》和《数字市场法》来应对技术风险和美国数字霸权。

这篇论文提出了一个基于建构主义理论的生成式AI提示协议，旨在通过人机协作优化知识构建和工作流程。

通过微调大语言模型，显著缩小了多语言教育内容技能标注中的国家与语言差距。

本文提出将区块链技术与生成式人工智能（GenAI）结合，以解决AI的透明度、偏见和滥用等问题。

本文探讨了如何利用生成式AI构建品牌竞争优势，提出了从通用到领域定制再到协作系统的演进路径。

GPT-4在政治社交媒体消息标注任务中超越了专家编码员和监督分类器，展示了零样本学习的强大能力。

这篇论文探讨了在协作学习中使用大型语言模型（LLMs）提供定制化反思指令的效果，揭示了其对成人学习者的学习影响。

本文探讨了生成式人工智能（如ChatGPT和GitHub Copilot）如何改变软件开发行业，并提出了开发者如何适应这一新环境的建议。