GeneGPT:教导大型语言模型使用 NCBI Web APIs
基于大型语言模型(LLMs)的研究和应用在生物信息学领域有着巨大潜力和效力,该研究通过分析各种关键生物信息学任务,证明了 LLMs(如 GPT 变体)在给定适当提示的情况下可以成功处理大多数任务,同时也分析了在复杂生物信息学任务中的局限性。
Feb, 2024
该研究评估了领先的大型语言模型(LLMs),包括 GPT-4、GPT-3.5、PaLM2、Claude2 和 SenseNova 对概念生物学问题的回答能力。结果表明,GPT-4 在逻辑推理方面表现出色,并具备数据分析、假设生成和知识整合等能力,从而有望在生物学研究中发挥作用,但还需要进一步的发展和验证。
Nov, 2023
OpenAI 的 GPT-4 是一个基于生物医学知识的大型语言模型,能够从嵌入式知识中提出关于普遍基因功能的假设,为基因集分析提供可靠的功能概述和支持。
Sep, 2023
本研究通过实验验证了 GPT-3 和 GPT-4 在 8 个 BioNLP 应用中的性能表现,并对其识别错误进行了分析,提出了在 BioNLP 应用中使用 LLMs 的建议。
May, 2023
SeqGPT 是一种增强的双语模型,专门用于开放领域自然语言理解,通过两个原子任务来表达所有的 NLU 任务并进行指令微调和深度微调,展示了良好的分类和抽取能力,可在未见领域上执行语言理解任务。
Aug, 2023
该论文提出了一种新的训练自由的文本检测策略,称为 Divergent N-Gram Analysis(DNA-GPT),通过 N-gram 分析或概率分歧分析比较人类写作和机器生成文本之间的差异,证明了其在区分人类和大型语言模型生成的文本方面具有优越性,并提供合理的解释和证据来支持这一观点,这是一种独特的可解释性检测方法。
May, 2023
通过基于生成型大型语言模型(LLM)的通用文本到文本学习架构和提示调优,解决主要的临床自然语言处理(NLP)任务,并提供了最新的性能。
Dec, 2023
2023 年,将大型语言模型(LLM)聊天机器人 ChatGPT 应用于各个领域迎来了显著增长;我们调查了 ChatGPT 在生物信息学和生物医学信息学领域的各个部门中的应用情况,涵盖了组学、遗传学、生物医学文本挖掘、药物发现、生物医学图像理解、生物信息学编程和生物信息学教育;我们总结了这个聊天机器人在生物信息学领域的当前优势和局限,并提供了未来发展的潜力方向。
Mar, 2024
本文提出了一种基于大规模生物医学文献预训练的领域特定生成 Transfomer 语言模型 ——BioGPT,用于生物医学领域的自然语言处理任务,结果表明 BioGPT-Large 在 PubMedQA 任务上取得了 81.0% 的准确率,并提高了 BC5CDR、KD-DTI 和 DDI 关系提取任务的 F1 得分。
Oct, 2022
本文提出了一种基于 RESTful API 的大型语音模型连接方法,引入 RestGPT 进行规划和 API 使用,特别设计了 API executor 来制定参数和解析 API 响应,实现了在复杂任务中取得卓越成果和具有强大鲁棒性,为人工通用智能铺平了一条新路。
Jun, 2023