深度学习

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。

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。

本文通过训练中文金融大语言模型，显著提升了金融市场情绪测度和资产价格预测的准确性。

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。

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。

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。

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。

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。

本文探讨了大模型技术的发展及其在金融领域的应用前景，揭示了生成式AI如何推动金融行业的智能化转型。

ChatGPT引领的大模型技术实现了人工智能从量变到质变的跨越，有望成为赋能百业的关键基础设施。

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。

本文提出了一种基于多特征融合的深度学习情感分析方法，显著提升了情感分类的准确性。

本研究提出了一种基于LSTM网络的深度学习框架，用于预测未来词汇的共相似性矩阵，识别新兴技术趋势。

通过结合年报中的文本数据和财务数据，本文提出了一种新的深度学习模型，显著提升了企业财务困境预测的准确性。

该论文提出了一种基于注意力机制的双向LSTM网络，用于自动检测科学论文中需要引用的句子，并构建了一个大规模数据集PMOA-CITE。

本文提出了一种基于深度自编码网络的企业内部审计智能预警方法，显著提升了审计风险预警的精度和鲁棒性。

本文通过微调预训练语言模型，显著提升了多标签专利分类的性能，XLNet表现最佳。