AI 生成综合数据集的潜力探究:以 Telematics 数据为案例研究(使用 ChatGPT)
本研究旨在探究将 ChatGPT 应用于临床文本挖掘中,针对生物命名实体识别和关系抽取,我们提出了一种基于生成大量合成数据进行本地模型微调的训练范式。结果表明,这种方法显著提高了下游任务的性能,同时缓解了数据隐私问题。
Mar, 2023
本文探讨生成模型产生的合成数据可能成为机器学习领域的主导力量,可以创造更公平的数据、进行数据增强和模拟,尤其是在 ChatGPT 生成的文本方面。然而,在使用合成数据时,社区需要克服许多基本的挑战,其中最重要的是量化我们能够信任的查找或预测的程度。
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
利用生成式语言模型 ChatGPT 生成合成训练数据,以增强低资源场景下的数据,我们使用特定任务的 ChatGPT 提示,表现优于现有方法,并研究了评估合成数据相似性的方法,以验证和评估所生成数据的质量。
Apr, 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
使用 ChatGPT 3.5 和 4 对研究论文进行分析以提高科学文献调查的有效性,选择 “人工智能在乳腺癌治疗中的应用” 作为研究主题,使用 ChatGPT 模型自动识别相关论文、对论文按范围进行组织和确定调查论文的关键信息,结果显示 GPT-4 能以 77.3% 准确率识别研究论文类别,50% 的论文的范围能被 GPT-4 正确识别,且 67% 的模型给出的原因是专家完全同意的。
Mar, 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
本研究提出了用于生成、注释和验证合成数据集的全面指南,着重于感知数据集大小、多样性、实用性和现实性的方法。此外,还通过创造一个涡轮压缩机数据集来说明这些指南的实际应用中的重要性。
May, 2023
生成人工智能,尤其是像 OpenAI 流行的 ChatGPT 这样的工具正在重塑计算机科学研究的领域。本文提供了对 ChatGPT 和其他生成人工智能技术在计算机科学学术研究中多样应用的探索,提出使用生成人工智能来提高计算机科学研究科学家的工作效率的建议,重点是撰写新的研究论文。我们强调了创新性应用,如头脑风暴研究想法,辅助学术论文的起草和格式化,以及协助综述文献。此外,我们深入探讨了在理解跨学科方法、简化复杂文本以及推荐适合学术期刊发表方面应用这些技术的可能性。我们还着重讨论了生成人工智能在合成数据创建、研究方法论和指导以及任务组织和文章质量评估方面的贡献。本文还讨论了人工智能在文章审查、适应文本长度限制、构建对立观点和调查开发方面的实用性。此外,我们探讨了这些工具在传播观念、生成图像和音频、文本转录和与编辑人员互动方面的能力。我们还描述了一些不推荐在计算机科学研究中使用生成人工智能的用途,主要是由于该技术的局限性。
Nov, 2023
本文通过案例研究,以开放式意图检测任务为研究对象,探讨使用 ChatGPT 作为数据增强技术以提高组合泛化性能,通过构建数据集并整合 ChatGPT 生成的合成数据来训练模型,通过严格评估多个基准测试,发现我们的方法在开放式意图检测中表现优于现有技术,并显著提升了模型性能,从而突显出 ChatGPT 等大型语言模型在自然语言理解任务中作为数据增强方法的潜力。
Aug, 2023