本文介绍了一种利用 LLMs 自动学习生成机器学习解决方案的框架 MLCopilot，旨在将机器智能与人类知识相结合来提高解决新任务的能力，生成的解决方案可以直接应用于实际环境中。

Apr, 2023

提出了一种名为 SheetCopilot 的代理方案，该代理方案利用大型语言模型 (LLMs) 使用自然语言用户请求进行任务和控制电子表格，具有较高的自动化能力。经过测试，该代理方案正确完成了 44.3% 的任务，表现显著优于强代码生成基线。

May, 2023

这篇论文介绍了一种名为 Copilot for Xcode 的 AI 辅助编程工具，通过将云端的大型语言模型与苹果的本地开发环境 Xcode 无缝集成，提高了软件开发者的生产力，释放了创造力，支持苹果软件生态系统中的软件开发。它利用先进的自然语言处理技术，有效处理代码库中的源代码令牌和模式，实现代码生成、自动完成、文档编制和错误检测等功能。软件开发者还可以通过 Copilot for Xcode 的聊天界面查询和进行 “小型” 程序组合的决策，其中一些决策可以同时进行。最后，我们通过简单的案例研究展示了在 Xcode 中利用 NLP 来促进流行的大型语言模型服务如 OpenAI ChatGPT 进行程序组合和设计的有效性。

Jul, 2023

本文介绍 InsightPilot，这是一个基于 LLM（Large Language Model）的自动化数据探索系统，可以通过发出对应的意图查询（IQueries）来简化数据探索流程，通过其与最先进的洞察引擎之间的迭代协作，有效地分析现实世界的数据集，使用户可以通过自然语言查询获得有价值的见解。

Apr, 2023

提出的医疗协作助手通过对话、记忆和处理三个组件的结合，提高了大型语言模型在医疗咨询中的查询能力、对话流畅度、回答准确性和安全性。

Feb, 2024

提出了一种基于 LLM 的自主代理框架，作为 BIM 作者工具中的副驾驶员，回答软件使用问题，理解用户的设计意图，并通过调用合适的工具自主执行建模任务，以此来应对日益复杂的 BIM 作者软件和昂贵的学习成本，实现与设计过程本身的精简互动。

Jun, 2024

DBCopilot 是一个框架，通过使用紧凑且灵活的副驾驶模型，将 Text-to-SQL 过程分解为模式路由和 SQL 生成，为处理大规模模式提供了可扩展且有效的解决方案。

Dec, 2023

通过结合大型语言模型和优化技术，我们提出了一个名为 Decision Optimization CoPilot（DOCP）的人工智能工具，它旨在帮助决策者使用自然语言理解业务问题，并随后构建并解决相应的优化模型，从而显著简化了实际业务问题的优化模型的创建，从而实现更普遍的、改善决策的目标。

Feb, 2024

通过大型语言模型开发一种名为 AgentsCoDriver 的框架，实现多车辆协同驾驶，解决了当前的自主驾驶系统在解释性、泛化性、持续学习以及与其他车辆的协商与合作方面的不足。

Apr, 2024

利用 Large Language Models（LLMs）提高开发人员在开发环境（IDEs）中的生产力是现代软件开发的重点。本文介绍了 Copilot 评估工具，用于评估 LLM 引导的 IDE 交互，在不同编程场景和语言中提供了更稳健和信息丰富的评估指标。通过这些指标，我们评估了三种常见 LLMs 的性能，为未来的 LLM 引导 IDE 场景的开发和验证提供了经验教训。

Feb, 2024