大模型与生成式人工智能研究

CAP Babel Machine 利用多语言大语言模型，提供了一种低成本、高可靠性的政策主题分类自动化解决方案。

研究表明，ChatGPT 和 Bard 在基于评分标准的英语作文评分中表现出高可靠性和一致性，但仍需进一步优化以提升主观性评分能力。

本文探讨了ChatGPT如何通过创造性和对话性功能，革新知识密集型行业的工作方式。

本文探讨了使用大型语言模型（LLM）进行归纳主题分析的可行性，展示了其在定性研究中的潜力。

本文探讨了生成式AI聊天机器人在商业中的应用及其潜在风险，并提出了CARE框架以优化其影响。

本文探讨了生成式人工智能（GenAI）的发展轨迹及其对社会的深远影响，为管理者提供了战略规划工具。

ChatGPT的发布对教育科技行业产生了显著的负面影响，传统教育行业则未受明显冲击。

AI和LLM驱动的搜索工具正在改变教育和研究中的信息获取方式，但其输出质量和可靠性仍需用户仔细审查。

本文探讨了大型语言模型（LLMs）中的语言表示问题，揭示了BERTology领域在解释LLMs时面临的理论模糊性。

研究通过分析Twitter上关于ChatGPT和GPT-3的讨论，揭示了普通用户和技术专业人士对大型语言模型（LLM）早期采用的态度差异。

ChatGPT 和大模型正在推动经济学研究范式的变革，从理性经济人到人工智能经济人，从定性分析到定量分析的统一，开启了经济学研究的新时代。

本文探讨了生成式大模型的数据安全风险及其法律治理，提出了分类监管和创新监管机制的建议。

本文探讨了多模态大模型如何驱动学科知识图谱的进化，并提出了其在教育领域的四大应用场景。

本文揭示了全参数微调BERT模型在文本分类和回归任务中显著优于基于词典的方法。

这篇论文通过系统性元综述，探讨了对话代理（CAs）、聊天机器人和社交辅助机器人在心理健康、老年护理等领域的应用现状与挑战。

本文探讨了微调大模型在个性化人机信息交互中的应用及其潜在影响，标志着个性化智能信息交互时代的开启。

本研究基于大语言模型技术，构建了果蔬农技知识智能问答系统，显著提升了农业知识服务的精准性和效率。

本文探讨了图书情报领域大语言模型的应用开发与数据治理，为图书馆行业应用生成式人工智能技术提供了理论依据和实践指导。

跨模态语言大模型通过融合多模态数据，推动通用人工智能技术的进一步发展。

本文探讨了当前AI系统的对齐问题，指出随着AI能力的增强，未对齐的系统可能带来灾难性后果，甚至威胁人类生存。