ComputeGPT: 一个用于数值问题的计算聊天模型
本研究探讨了 ChatGPT 在解决编程问题方面的有效性,考察了其解决问题的正确性和时间、内存复杂度等效率,研究结果表明 ChatGPT 在结构化问题方面表现出较好的成功率,但其调试任务表现不佳,为 ChatGPT 的能力和改进提供了精辟的了解。
Jul, 2023
我们评估了 ChatGPT(2023 年 2 月版本),即一个大规模语言模型,在解决典型的介绍性计算机工程考试中出现的概率问题方面的效果。我们的研究包括了一套 23 个概率练习,这些练习被用来测试马德里市 Rey Juan Carlos 大学(URJC)的学生。我们对 ChatGPT 生成的回答进行了定性评估,并根据与学生相同的标准评分。我们的结果表明,ChatGPT 在措辞、组织和逻辑推理方面超过了平均学生。该模型在西班牙语和英语版本的练习中表现一致。然而,ChatGPT 在执行基本的数值运算方面遇到了困难。我们的实验表明,要求 ChatGPT 以 R 脚本形式提供解决方案是克服这些限制的有效方法。总之,我们的结果表明,ChatGPT 在解决计算机工程入门考试中常见的概率问题方面超过了平均学生。然而,该模型在某些概率概念的推理方面存在局限性。大型语言模型在提供高质量解释和以任何编程语言呈现解决方案方面的能力,以及其在解决概率练习中的表现,显示了它们作为学习助理的潜力。
Oct, 2023
本研究通过探索 OpenAI 的 ChatGPT 在解决不同类型的物理问题方面的能力,发现 ChatGPT 在解决给定完整数据的问题上的成功率为 62.5%,而在未给定全部必要数据的实际问题上的准确率下降至 8.3%。该研究提出了关于如何利用增强学习模型的教材来提升 STEM 教育的启示,并为人工智能的优势和局限性提供了见解,对于旨在利用该技术的教育工作者以及研究人员来研究问题解决和决策制定中的人工智能与人类协作框架有所贡献。
Oct, 2023
本研究以 ChatGPT 协助实现了从纯数学理论到实际计算拓扑工具的转变,桥接了理论拓扑概念与其在计算拓扑中的实际应用,展示了在纯数学概念缺乏计算经验和编码技能的情况下,通过数学家训练 ChatGPT 并利用其生成的计算拓扑代码,验证在计算拓扑中的运用性,如计算 Betti 数、拉普拉斯矩阵、Dirac 矩阵、各种同调和拉普拉斯的持续性,并探索 ChatGPT 在超图和有向图的拓扑理论计算中的应用。
Oct, 2023
本研究使用 GHOSTS 数据集评估了 ChatGPT 的数学能力和其他训练过数学语料库的模型相比,发现其数学能力显著低于普通数学研究生,并强调 GHOSTS 数据集的重要性以及未来大型语言模型在高级数学理解方面的比较研究。
Jan, 2023
ChatGPT 分析了其在生成高中数学问题方面的潜力,通过对各类课程的数学问题进行评估和分析,发现大语言模型在数学问题生成方面具有潜力。
Dec, 2023
我们提出了一种基于图形的乘法算法,通过引入一个 10k 运算符,模拟人类数学运算,有效地解决了 GPT 和其他大型语言模型在乘法方面的挑战。
Oct, 2023
本研究介绍了 CrunchGPT,这是一个基于 ChatGPT 的统一框架,可以在用户的简单提示下编排 SciML 的整个工作流程。研究还展示了两个案例,以演示 CrunchGPT 在气动优化和流场操作中的应用,重点是演示了 CrunchGPT 的流程,并创建了一个基于 Web 应用程序的用户界面,以促进更广泛的视野。未来版本将针对固体力学和材料科学,地球物理学,系统生物学和生物信息学。
Jun, 2023
本文评估了 ChatGPT 在印地语、古吉拉特语和马拉地语等不同语言中的数学能力。我们探索了 ChatGPT 在多种自然语言中解决数学问题的能力,并使用思维链提示来确定它是否像在英语中那样增加了回答的准确性,并提供了当前的限制。
May, 2024
在本文中,我们着重分析了 ChatGPT 在计算生物学领域的潜力,讨论了它对 Bioinformatics 算法编写、数据分析、脚本编排以及机器学习建模和特征提取等方面的积极和消极影响,并给出了来自不同视角的具体示例。
Sep, 2023