通过概率生成人工智能模型和协作博弈理论，我们提出了一个补偿版权所有者的框架，以解决生成人工智能的版权挑战，并确保公平分配收益。

Jun, 2024

我们提出了一个框架，通过依靠现代生成型人工智能模型的概率性质和经济学中的合作博弈理论技术，按比例向版权所有者补偿其对人工智能生成内容的贡献，实现对生成型人工智能版权的解决。实验证明，我们的框架成功地识别了艺术品生成中使用的最相关的数据源，确保在版权所有者之间公平而可解释的收益分配。

Apr, 2024

本文讨论 OpenAIs ChatGPT，一种用于文本型用户请求（即聊天机器人）的生成式预训练转换器。讨论了 ChatGPT 及类似模型背后的历史和原则，以及其对学术界和学术研究出版的潜在影响。ChatGPT 被认为是自动准备论文和其他类型学术手稿的潜在模型。此外，还讨论了可能出现的潜在伦理问题，并将其置于人工智能、机器学习和自然语言处理的更广泛进展的背景之下。

Mar, 2023

本研究的主要目的是提供 ChatGPT 检测的最新技术的全面评估，同时我们评估了其他 AI 生成的文本检测工具，以检测 ChatGPT 生成的内容。此外，我们还创建了一个基准数据集用于评估各种技术在检测 ChatGPT 生成内容方面的性能。研究结果表明，现有方法都不能有效地检测 ChatGPT 生成的内容。

Apr, 2023

本研究旨在创建一个多领域数据集，以测试用于检测高校和其他研究机构使用的人工生成信息的最先进 API 和工具。六种不同的人工智能文本识别系统，包括 “GPTkit”，“GPTZero”，“Originality”，“Sapling”，“Writer” 和 “Zylalab”，准确率介于 55.29% 至 97.0% 之间。尽管所有工具在评估中表现良好，但原创性在各方面表现尤为出色。

Sep, 2023

本研究分析了 ChatGPT 在不同对话问答语料库中生成的回答，并使用 BERT 相似度得分进行比较，以获取自然语言推理（NLI）标签。该研究还确定了 ChatGPT 提供错误答案的情况，提供了有关该模型可能存在错误的领域的见解。通过评估分数，比较 GPT-3 和 GPT-4 的整体性能。

Apr, 2023

本文旨在探讨如何保护开源代码的知识产权，特别是与 AI 生成代码的关系，提出改变开源代码许可证，鼓励立法行动等措施来保障 AI 系统未来发展并促进创新。

Jun, 2023

该研究旨在针对生成式人工智能在音乐产业中所引发的版权挑战，重点关注经济方面的问题，并提出了用于 AI 音乐生成平台的潜在版税模式。研究方法包括对 Spotify 和 YouTube 等现有版税模式进行详细分析，并将其适应于 AI 生成音乐的特殊背景。研究通过数据归属技术提出了解决 AI 生成音乐与训练数据中有影响力的受版权保护内容之间归属问题的算法解决方案，并通过实验结果验证了这些解决方案的有效性。该研究在生成式人工智能领域中首次整合了技术进步与经济和法律考虑，为 AI 技术的不透明性带来的挑战提供了计算版权解决方案。

Dec, 2023

本文针对 AI 基模型带来的 AI 生成内容（AIGC）涉及的工作原理、安全和隐私威胁、最新解决方案、以及未来挑战等方面做出了深入调查，主要讨论了 AIGC 的架构、工作模式和关键特征、安全和隐私威胁、道德和社会影响，最后针对 AIGC 未来的挑战和研究方向进行了总结。

May, 2023

ChatGPT, Generative Artificial Intelligence, and Natural Large Language Models for Accountable Reporting and Use Guidelines (CANGARU) initiative aims to establish consensus and guidelines for the ethical use, disclosure, and reporting of Generative AI, Generative Pre-trained Transformers, and large language models in academia.

Jul, 2023