生成变换器用于设计概念生成
提出了一种使用最新的预训练语言模型探索知识驱动设计生成的方法，具体通过改进的预训练变压器 fine-tuning 并结合美国专利数据库来实现。该方法不仅能使用简洁易懂的语言生成想法，而且能够以可控的知识距离将目标设计与外部知识来源进行综合综合。在滚动玩具设计的案例研究中测试了该方法，结果表明该方法在生成具有不同新颖性的想法方面表现良好，且具有近场和远场的知识来源。
Mar, 2022
本研究提出了基于预训练语言模型的生成式设计方法，利用人工智能技术自动检索和映射生物类比，并生成自然语言体现的生物仿生设计概念。通过精细调整三种类型的设计概念生成器和机器评估器，本方法成功应用于实现轻量化飞行汽车方案的生成，并取得了良好的性能表现。
Mar, 2022
通过使用机器学习和大型语言模型，本论文介绍了一种知识工作者系统 Generate And Search Test，该系统能够高效地创建以前需要专家合作才能完成的解决方案。同时探讨了生成型人工智能和搜索引擎如何提供创意和验证事实、逻辑和语境，以消除人为偏见。
Jul, 2023
基于 Transformer 架构的大型语言模型（LLMs）的近期进展在自然语言处理（NLP）应用领域展示了显著的拓宽范围，超越了其在聊天机器人技术中的初始应用。本文探究了这些模型的多方面应用，重点关注 GPT 系列，对人工智能（AI）驱动工具在改变编码、问题解决等传统任务上起到的转变性影响进行了研究，同时开辟了在不同行业中进行研究和开发的新方向。从代码解释和图像描述到便于构建交互式系统和推动计算领域的发展，Transformer 模型展示了深度学习、数据分析和神经网络设计相结合的协同作用。本调查报告深入了解了 Transformer 模型的最新研究，突出了其多功能性和在实际应用领域中转型的潜力，从而为读者提供了对 Transformer-based LLMs 在当前和未来实际应用领域的全面理解。
Mar, 2024
本文综述了生成式预训练转换模型，包括它的架构、工作流程、训练程序、相关技术以及对各种应用的影响，并探讨了潜在的挑战和解决方案。
May, 2023
ChatGPT 是生成人工智能领域的重要里程碑，引发了新一轮关于先进模型与任务的研究及创新，并带来了无数创新性工具和挑战。
Nov, 2023
GPT (Generative Pre-trained Transformer) 是一种人工智能和自然语言处理技术，能够自动生成文本。本文主要研究了将 GPT 语言模型应用于大学教学的各个方面，包括学生和教师活动的创新、内容理解与生成、问题解决、个性化和试卷批改等。同时，作者还在软件工程等领域进行了详细实验，评估了 ChatGPT 作为助理工具在理论活动、习题和实验实践中的潜在应用价值。
Mar, 2024
使用 GPT 技术提出了 ProcessGPT 作为增强数据中心和知识密集型流程决策的新技术，它可以通过使用深度学习和 NLP 来开发训练模型和生成流程来帮助提高流程管理效率，降低成本并支持业务运营的质量提升。
May, 2023
本研究探讨了 AI 生成模型，特别是 OpenAI 的生成预训练变压器（GPT）系列，当与建筑信息建模（BIM）工具集成为交互式设计助手时的潜力。研究通过开发和实施三个关键组成部分来完成，最终验证了该方法的有效性。
Jun, 2023