自然语言处理

本文提出了一种结合大模型微调与图神经网络的知识图谱问答方法，显著提升了问答系统的准确性和适应性。

本文提出了一种新的层次感知提示调优方法，显著提升了层次文本分类任务的性能。

开发了一种自然语言模型，能够自动分类五种自传体记忆类型，显著提高记忆偏差评估的效率和准确性。

本文系统评估了多种文本挖掘方法在短文本中的应用，揭示了大型语言模型在推断个体内部状态方面的卓越表现。

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。

利用自然语言处理技术，开发了一种自动化评分方法，显著减少了自传体访谈的评分负担，并提高了研究效率。

本文探讨了使用大型语言模型（LLM）进行归纳主题分析的可行性，展示了其在定性研究中的潜力。

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。

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。

人工智能显著促进就业，尤其在高学历、年轻员工中效果更明显。

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。

研究发现，居民留言的积极情绪能提升政府回复速度和态度，但降低回复字符数，人工智能工具则负向调节这一影响。

该论文提出了一个跨学科框架，利用自然语言处理（NLP）支持数字学习环境中的同伴反馈，推动人工智能在教育中的应用。

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。

本文从技术和伦理治理双重视角探讨人工智能的未来发展趋势，提出加强顶层设计、提升技术自主性和建立社会参与机制的建议。

研究发现，州长在社交媒体上发布包含韧性信息的推文，能够显著提高社区对政府指南的遵守程度。