生成式AI

本文探讨了提示工程与对齐技术在提升大语言模型和视觉语言模型性能中的应用，提出了基于提示优化、专家反馈和实时调整的引导框架。

本文系统梳理了生成式AI（AIGC）的研究脉络，提出了技术、组织与环境（TOE）框架，揭示了AIGC在管理实践中的演进与未来研究方向。

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。

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。

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。

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。