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

该研究介绍了一个新的建筑设计框架，利用生成式人工智能工具，包括 ChatGPT 和 Veras，结合参数化建模和建筑信息模型（BIM），提升设计流程。这个框架扩展了 ChatGPT 和生成式人工智能在三维建筑设计中的潜力，不仅限于在文本和二维图像生成方面的应用。通过整合 ChatGPT 用于脚本编写和 Veras 用于生成设计思路，并结合广泛使用的参数化建模和 BIM 工具，该框架为建筑师提供了直观而强大的方法来传达设计意图，从而实现更高效、创造性和协作性的设计流程。

Aug, 2023

为了解决多样化的视觉任务，我们提出了一种名为 Plan, Execute, Inspect, and Learn（PEIL）的交织代码和语言推理方法的多模态 AI 助手 AssistGPT，该助手集成了大语言模型与各种工具，实现了最先进的性能。

Jun, 2023

本文提出了一个叫做 PGIM 的概念简单的两阶段框架，利用 ChatGPT 作为一个隐式知识引擎获得辅助精细化知识，从而增强 MNER 任务中模型的性能，通过 PGIM 可以显著优于现有所有最先进的方法。

May, 2023

AutoML-GPT 是一种使用大型语言模型和任务导向提示的自动化训练管道，可自动处理数据、选择最佳模型架构和超参数优化，并在计算机视觉、自然语言处理等领域实现了显著的结果，对于许多 AI 任务具有广泛的适用性。

May, 2023

使用提示工程和 GPT-3.5 进行生物医学问题聚焦多文档摘要，我们的系统在 2023BioASQ 挑战中通过 GPT-3.5 和适当的提示获得了最佳的 ROUGE-F1 结果。这篇论文证实了在其他领域观察到的事实：纳入少样本的提示通常优于对应的零样本变体；检索增强生成实现了最大的改进。这些提示使得我们的最佳运行结果在 BioASQ11b 排名前两位，证明了在一般情况下，使用适当的提示对于大语言模型以及 GPT-3.5 在问题聚焦摘要中的强大作用。

Nov, 2023

本文提出了一种新型的地图引导 GPT-based 路径规划代理模型 (MapGPT)，用于零 - shot 视觉语言导航任务，通过在线构建拓扑地图转换为提示来引导全局探索，要求代理模型明确输出和更新多步路径规划以避免陷入局部探索，并在 R2R 和 REVERIE 数据集上取得了令人印象深刻的性能 (分别为 38.8% 和 28.4% 的成功率)，展示了 GPT 模型在全局思考和路径规划能力方面的新兴能力，与以往需要微调独立参数或特定提示设计来满足不同数据集中不同指令风格的 VLN 代理相比，我们的 MapGPT 更统一，能够在不同指令风格之间无缝适应，这在该领域是首次。

Jan, 2024

使用 GPT-3 等自然语言处理模型在业务流程管理（BPM）领域中取得了成功，但需要 fine-tuning 以及大量适当的训练数据。为此，本文提出可以借助 prompt engineering 将这些语言模型能力引入 BPM 研究，并提出了相关潜力和挑战的研究议程。

Apr, 2023

本文介绍了 GPT4Rec，一种基于生成模型和搜索引擎的新型灵活推荐系统，它通过多查询生成技术和基于 BM25 的搜索引擎来更好地捕获用户兴趣，提高推荐的相关性和多样性。

Apr, 2023

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