Apr, 2023

GeneGPT：教导大型语言模型使用 NCBI Web APIs

PDF
TL;DR本文介绍了 GeneGPT，一种利用 Web 应用程序编程接口解决基因组学问题的大型语言模型（LLMs）的新方法。在经过少量 NCBI API 调用的 URL 请求演示后，GeneGPT 能够提供具有状态良好的结果，并且优于其他一些先进的 LLMs，例如 GPT-3 和 ChatGPT。
发现论文，激发创造
  • 生物信息学研究中大型语言模型的评价

    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

  • 评估领先的大型语言模型在推理生物学问题中的潜力

    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

  • 评估大型语言模型在基因集功能发现中的应用

    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

  • 生物医学自然语言处理中的大型语言模型：基准、基线和建议

    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：一个开箱即用的开放领域序列理解大语言模型

    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

  • DNA-GPT: 基于差异化 N-Gram 分析的无需训练 GPT 生成文本检测

    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

  • 生成式大型语言模型是全能文本分析引擎：文本对文本学习是您所需的全部

    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

  • ChatGPT 在生物信息学和生物医学信息学中的应用：第一年回顾

    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

  • BioGPT：用于生物医学文本生成和挖掘的生成式预训练变形器

    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

  • RestGPT: 通过 RESTful API 连接大型语言模型与实际应用

    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