该研究旨在利用 GPT-2 生成机器生成的五行诗，在评估指标的基础上探讨好诗歌的量化方法，并呈现 94 首排名高的五行打油诗以激发人类的创造力。

May, 2022

利用预训练语言模型生成高质量文言诗的简单有效方法。该方法采用 GPT 模型，生成各种形式的文言诗，包括绝句、律诗、词牌和对联。同时进行了微调并实现了生成藏头诗的方法。我们已在微信上发布了一个在线演示程序，以展示这种方法在生成文言诗方面的能力。

Jun, 2019

本文评估了商业 Large Language Models (LLMs) GPT-3.5-Turbo 和 GPT-4 在 2023 BioASQ 挑战的任务中的表现，其中 0-shot learning 和相关段落达到了竞争水平。

Jun, 2023

本文比较了各种文本生成模型在写作早期英国浪漫主义诗歌方面的能力，通过系统测试和 GRUEN 评估指标，发现变压器模型的质量明显优于递归神经网络模型，并随着参数大小的增加而进一步提高。

Jun, 2022

本文通过实验分析 GPT-3 文本模型在语法纠错任务（GEC）上的性能，比较了不同提示方式下的表现，使用自动度量和人为评估的结合揭示了人类评估者与基于参考的自动度量之间的有趣差异。

Mar, 2023

机器翻译在文学作品中，特别是诗歌翻译领域一直面临重大挑战。本研究通过使用有针对性的提示和小样本情景来评估 ChatGPT 在英中诗歌翻译任务中的性能，并提出了一种基于解释的诗歌机器翻译 (EAPMT) 方法，该方法利用单语诗歌解释作为翻译过程的指导信息。通过专业诗人的评估和使用 GPT-4 进行评估，人机评估结果都显示出我们的 EAPMT 方法优于 ChatGPT 的传统翻译方法和现有的在线系统。本文验证了我们的方法的有效性，并为机器辅助的文学翻译提供了新的视角。

Jun, 2024

本篇研究比较了 GPT（-3.5 和 - 4）和人类所写日文文本的风格特征，并使用多维缩放进行了分析和分类，揭示出两者间在语言风格上的差异。通过验证随机森林分类器在日文风格特征上的表现，该研究发现当前阶段我们还可以使用人类判别 ChatGPT 生成的日文文本，但随着 GPT 模型的不断优化，这一差异可能会变得越来越微小。

Apr, 2023

我们探讨了语言生成任务中，训练数据严重不足的情况下，GPT 等 LLM 模型如何处理爱尔兰语、马耳他语、威尔士语和布列塔尼语等语言。我们测试了多种提示类型和格式，发现少量样本训练对于直接生成不常见语言较为有效，但通过英语进行翻译后的生成差距不大。在 WebNLG 2023 中，我们的系统在所有语言和指标上均显著优于其他竞争系统，表现出令人满意的效果。然而，我们在威尔士语中表现最好的结果仍远低于 WebNLG'20 中最差的英语系统。

Aug, 2023

本文介绍了 GPT-4，一种大规模、多模态模型，可接受图像输入和文本输入，并产生文本输出。通过预先训练，优化方法和改进后的对齐过程，GPT-4 表现出人类水平的性能。

Mar, 2023

本文介绍了一种以韵脚、节律和押韵等风格为条件，使用深度学习模型生成诗歌的方法，通过先预训练自然语言处理模型 ByGPT5，再在英语和德语四行诗的自定义语料库上进行微调，实现了较高的生成效果和参数效率，从而提高了生成诗歌的成果和可行性。

Dec, 2022