大模型与生成式人工智能研究

本文探讨了生成式AI大模型GPT-4的风险问题及其规制方案，提出了算法、数据和知识产权方面的挑战与应对策略。

ChatGPT 在生成典型性评分数据时表现出与人类参与者相似的可靠性，为在线数据收集带来了新的机遇与挑战。

本文提出了一种基于预训练模型和提示学习的中文网络对话论辩挖掘方法，显著提升了论辩元素和关系的识别准确率。

本文通过提示探测框架揭示了多模态大语言模型在视觉、文本和额外知识提示下的局限性，发现模型对输入内容的理解存在显著偏差。

本文总结了以ChatGPT为代表的生成式大模型技术现状，探讨了大模型的关键技术挑战及未来发展方向。

这篇论文探讨了大模型时代自然语言处理的挑战、机遇与未来发展方向，分析了ChatGPT等大模型对NLP核心任务的影响及其带来的研究范式变革。

这篇论文提供了如何为大型语言模型编写有效提示的实用指南，帮助用户最大化利用这些AI工具。

大型语言模型如GPT-3在零样本类比推理任务中表现出色，甚至超越人类表现。

本文探讨了生成式人工智能大模型的新型风险及其规制框架，提出了基于风险分类分级的合作共治策略。

研究评估了大模型在人文社会学科学位论文写作辅助中的表现，发现其在知识和应用能力上表现优异，逻辑能力有待提升。

本研究探讨了中国大学生如何与AI驱动的写作评估系统Pigai互动，揭示了反馈类型与学生修订行为之间的动态关系。

Weak-PMLC 提出了一种基于极弱监督的大规模多标签政策分类框架，仅使用类别名称即可生成高质量伪标签，显著提升了政策分类的准确性。

大模型技术如ChatGPT正在推动决策范式从计算决策向智能决策转变，涵盖数据来源、决策生态、决策模型及决策主体的全面变革。

本研究利用深度学习技术分析学生课程评价，展示了RoBERTa在情感分析和SVM在主题分类中的卓越表现。

通过深度迁移学习和BERT-NLI模型，显著减少监督机器学习对大量标注数据的依赖，提升分类性能。

FALCoN 提出了一种基于协同训练的框架，用于在低资源语言环境中检测和分类社交媒体中的辱骂性语言，显著提升了分类性能。

这篇论文通过机器学习技术分析了42,000篇学术文章，揭示了学生参与研究的趋势和主题，并提出了新的研究维度。

人工智能大模型时代带来巨大机遇与治理挑战，需技术与行政手段结合应对。

在线评论如何帮助低评分酒店提升服务质量？这篇论文通过分析美国酒店业的数据，揭示了酒店通过关注和回应在线评论来改善服务质量的现象。

本文探讨了人工智能通用大模型在教育中的应用及其对教育生态的深远影响，提出了从自动化到认知化的教育转型路径。