本研究探讨了 ChatGPT 在解决编程问题方面的有效性,考察了其解决问题的正确性和时间、内存复杂度等效率,研究结果表明 ChatGPT 在结构化问题方面表现出较好的成功率,但其调试任务表现不佳,为 ChatGPT 的能力和改进提供了精辟的了解。
Jul, 2023
本研究介绍了一种基于 ChatGPT 的对话式自动化机器学习 (AutoML) 框架作为 “个人数据科学家”,通过多个语言模型实例构建了自然界面,展示了对话式数据科学的新概念,同时也突出了 ChatGPT 的潜在缺陷和改进机会。
May, 2023
通过 12 个预注册的实验,我们发现像 ChatGPT 这样的运用大型语言模型的聊天机器人能够在很大程度上模仿人类语言处理,但是他们在一些方面与人类处理方式存在差异,并且可能通过 Transformer 架构来解释这些差异。
Mar, 2023
ChatGPT 是 OpenAI 创建的一种大型语言模型 (LLM),通过大量数据的精心训练,推动了自然语言处理 (NLP) 的发展,并拓展了 LLM 的能力边界。本文主要目标是对 ChatGPT 及其演变的当前研究方向进行简明概述,提供了基于玻璃盒和黑盒观点的综合分析。此概述也揭示了 LLM 和 GAI 领域的现有和缺失研究方向,有益于公众用户和开发人员。
ChatGPT 是一种基于 Transformer 架构的大型语言模型,能够在对话环境中生成类似人类的回答。它具有广泛的应用领域,但也引发了伦理和社会等方面的担忧。本文概述了 ChatGPT 的架构和训练过程,并提出了一些技术、监管、教育和伦理等方面的建议,以最大化其益处并尽量减少负面影响。
Feb, 2024
通过对 24 名职业软件工程师使用 ChatGPT 一周期间的对话和整体体验进行定性分析,发现他们更多地使用 ChatGPT 获取解决任务的指导或对抽象主题的学习,并提出了一个理论框架,指导今后关于职业软件工程师使用 LLM 的学术讨论和设计未来经验性研究。
Apr, 2024
本研究使用 ChatGPT 这一语言模型探讨了如何利用其在软件工程中辅助完成常见任务,研究结果显示 ChatGPT 对许多任务均有不错的表现,但仍存在一些任务不适用。
本文比较了 ChatGPT 在自然语言处理领域中,在机器翻译、文本摘要、问答和语言生成等方面的表现,并使用自由质量(SQ)分数与每个类别中的主要算法进行了比较。通过有效的验证策略,安全性和可大规模采用 LLM 的示例总结了该论文的观点和结果。
结合 ChatGPT 和传统的基于信息检索的聊天机器人框架,提供优化的高等教育学生支持,以解决 LLMs 在教育背景下生成错误、偏见或无用答案的挑战。
Dec, 2023
我们通过实证分析了 ChatGPT 在无人辅助编程助手方面的潜力,并强调了其相对程序生成、程序修复、代码摘要方面的表现,并对其在常见编程问题上的表现进行了评估,这证明 ChatGPT 有效地处理典型的编程挑战,但我们也发现,综合的描述可能会限制 ChatGPT 的关注点并阻碍其利用其广泛的知识进行问题解决。
Apr, 2023