论文

企业通过提高数据要素利用水平，能够有效提升投资效率，并激活冗余资源，吸收能力在其中起到关键调节作用。

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。

本文探讨了人工智能如何推动制造业岗位结构变迁，促进服务型制造发展，助力制造业转型升级。

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。

本研究通过构建动态一般均衡模型，揭示了人工智能通过数据、算法和算力的积累对经济增长路径的深远影响。

本文提出了一种基于深度强化学习的人机协同智慧契约设计方法，为供应链合作管理提供了新途径。

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。

本文通过量化空间经济学模型，揭示了数据要素与交通基础设施协同如何推动中国产业结构升级，解决“鲍莫尔病”和“过早去工业化”问题。

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。

数据要素通过提升企业全要素生产率，推动新质生产力的形成与发展。

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。

人工智能技术创新显著提升企业全要素生产率，推动经济高质量发展。

本文通过BERT语言模型揭示了服务型制造技术创新如何通过要素替代和市场规模效应强化企业劳动要素市场势力，进而影响劳动收入份额。

本研究提出了一种双向交易模型，解决平台与个人共创数据产权定价问题，促进数据交易发展。

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。

数据要素显著提升企业供应链韧性，通过创新效应和信息效应增强主体与关系韧性。