大模型与生成式人工智能研究

通过地理标记社交媒体数据揭示城市活动的时空模式，结合深度学习推断用户人口统计特征，为城市规划提供数据支持。

这篇论文提出了一种基于AI的创新方法，通过分析招聘广告，探索雇主对员工福祉的表达，揭示了英国雇主在招聘中对自我实现和工作氛围的重视。

通过分析在线治疗会话中的语言特征，研究发现行为激活与抑郁症状的改善密切相关。

本文提出了一种结合图神经网络和大语言模型的电力设备缺陷诊断方法，显著提升了缺陷评级的准确性和诊断效率。

通过自然语言处理技术，研究发现COVID-19疫情期间Reddit上的心理健康支持群体表现出更高的健康焦虑和自杀倾向。

该论文通过语言模型和权威信号结合，提出了一种在社交网络中自动检测领域内意见领袖的新方法，显著提升了检测效果。

该研究通过迁移学习和自动化机器学习工具，成功提升了社交媒体帖子风险分类的准确性，特别是在心理健康领域的应用。

该研究开发了一种端到端的自然语言处理管道，通过社交媒体帖子自动分类和诊断COVID-19，为公共卫生监测提供支持。

生成式人工智能大模型在信息内容生成方面展现出巨大潜力，但也带来了信息内容治理的新挑战，需平衡发展与安全。

AI生成的教学视频在学习效果上与人类制作的视频相当，但在学习体验上略有不足。

这篇论文探讨了大型语言模型（LLMs）在社会科学研究中的潜在影响，特别是参与者可能使用LLMs生成回答，挑战了数据的真实性。

本文通过细粒度的实体分析，揭示了自然语言处理（NLP）领域的技术发展趋势，特别是预训练语言模型的崛起及其对技术创新的影响。

本研究提出了一种结合异构神经网络和微调语言模型的新方法，显著提升了社交媒体情感识别的准确性。

这篇论文探讨了影响者联盟营销中语言特征对用户参与行为的影响，揭示了某些语言风格如何提升或降低用户互动。

这篇论文探讨了影响用户使用ChatGPT的因素，提出了一个综合的信息技术接受框架，揭示了用户对AI聊天机器人的信任、互动性和信息质量的重视。

这篇论文提出将生成式AI视为‘风格引擎’，揭示了其在创造性任务中的独特潜力，并提出了四种应用原型。

本研究通过结合定性编码与深度学习，提出了一种高效分类大规模政策文本数据的方法，揭示了公众对《清洁电力计划》的态度变化。

本研究通过分析3293个中文问答对，揭示了ChatGPT生成语言与人类语言在161个语言特征上的显著差异。

这篇论文探讨了大语言模型（LLMs）在零样本学习下作为原创性评审员的潜力，发现其在某些方面表现良好，但仍需改进。

大语言模型在决策支持系统中引发新问题，改变个体与组织的决策方式。