本研究旨在填补大型语言模型在推荐场景中的潜力研究空白,并通过实验评估 ChatGPT 在零样本推荐系统中的能力及其与标准推荐算法以及其他大型语言模型的对比表现。
Sep, 2023
本文提出使用大型语言模型与 Chat-Rec 范例的对话推荐系统(CRS)来提高传统推荐系统的互动性与可解释性,并演示了其在学习用户喜好和在零样本评级预测任务的表现改进方面具有的有效性。
Mar, 2023
在这篇论文中,我们研究了 ChatGPT 作为一个前 n 个对话式推荐系统的有效性,通过在 ChatGPT 周围建立一个严谨的流程来模拟用户如何实际查询模型以获得推荐,并通过反馈反复提示以优化推荐。我们进一步探讨了 ChatGPT 推荐中的流行度偏见,并将其与基准模型的表现进行了比较,发现通过反馈反复提示 ChatGPT 是改善推荐相关性的有效策略,并且可以通过提示工程来缓解流行度偏见。
Jan, 2024
本文介绍了利用大型语言模型进行对话推荐的研究,并提出了一种基于 LLM 的用户模拟器的交互式评估方法 iEvaLM,从而改善了现有的评估协议。在两个公共数据集上的实验表明,ChatGPT 展现出较大的优势,并强调解释性的评估。此研究有助于更深入地理解 LLMs 在 CRSs 中的潜力,并为未来的研究提供一个更灵活、易于使用的评估框架。
May, 2023
StackRAG 是一种基于 LLMs 的检索增强多智能体生成工具,通过聚合来自 Stack Overflow 的知识,提高了生成答案的可靠性。初步评估表明生成的答案是正确、准确、有关和有用的。
Jun, 2024
本文介绍了一种基于 ChatGPT 的 BookGPT 书籍推荐系统,利用大型语言模型技术实现了书籍的评分、用户评分和书籍概述等三项典型任务。同时,本文还讨论了 BookGPT 在书籍推荐场景中的优缺点,并分析了后续 LLM 在这些场景中的机遇和改进方向。
通过一个领域性的随机控制试验,评估基于大型语言模型的工具在提供无监控支持服务方面的有效性。
OpenAI 最近发布了 GPT-4(也称为 ChatGPT plus),它被证明是生成 AI(GAI)的一小步,但对于人工智能(AGI)来说是一大步。该研究对 ChatGPT 进行了全面的技术、应用和挑战的综述,并展望了 ChatGPT 未来如何实现通用 AIGC(即 AI 生成的内容),这将是 AGI 发展的重要里程碑。
Apr, 2023
ChatGPT 在自然语言理解方面取得了显著的成功。为了将 ChatGPT 的基本模式应用于推荐任务,我们在项目索引级别上设计了一个新的聊天框架。我们的创新主要包括模型、训练和推断等三个方面。通过在离线公共数据集和在线 A/B 测试中进行实验证明了我们提出方法的有效性。
Apr, 2024
本文报道了 OpenAI 发展的最新模型 GPT-4,证明其不仅能够掌握语言,而且在数学、编码、视觉、医学、法律和心理等多个领域中都能够解决新颖且困难的任务,表现接近于甚至超过人类的水平,代表了一种新的群体智能的语言模型,并可能被视为人工通用智能(AGI)系统的早期、但尚不完整的版本。同时,本文还探讨了 GPT-4 的局限性,指出其可能需要超越下一个预测的新范式,为实现更深入和全面的 AGI 版本的发展面临的挑战,以及该技术飞跃的社会影响和未来研究方向的反思。