本文对基于大型语言模型的教育技术创新进行了系统文献综述和理论分析，并提出了以人为本的开发推荐，以解决基于大型语言模型的教育任务自动化可能带来的实际和伦理挑战。

Mar, 2023

研究表明，ChatGPT和大型语言模型在科学的管理、创造和分析任务方面具有转化潜力，但需要通过积极的监管和科学教育来解决与偏见、错误信息和质量保证相关的风险。

Jun, 2023

当面临领域特定问题时，大语言模型（LLMs）可能会遇到问题，如知识遗忘、知识重复、知识幻觉以及知识毒性，这些问题突显了LLMs的训练数据和算法设计的困扰。为了解决这些问题，建议对训练数据进行多样化，微调模型，提高透明度和可解释性，并引入伦理和公平性培训。未来的技术趋势可能会倾向于迭代方法学、多模态学习、模型个性化定制以及实时学习和反馈机制。最重要的是，未来的LLMs应确保在为人类服务时优先考虑公平、透明和伦理，确保它们持有高的道义和道德标准。

Oct, 2023

通过调查和总结大型模型在智能教育中的应用，本文旨在提供关于LMM4Edu潜力和挑战的指导和见解，并为教育者、研究人员和政策制定者深入理解和进一步推进LMM4Edu的发展和应用提供指导。

Nov, 2023

本文探索大型语言模型在心理学应用中的前沿。大型语言模型如ChatGPT正在改变心理学研究的方式，并在认知与行为心理学、临床与咨询心理学、教育与发展心理学以及社会与文化心理学等多个领域发挥着影响，强调了它们模拟人类认知和行为的潜力。该论文还讨论了这些模型在心理学方面的能力，提供了创新工具用于文献综述、假设生成、实验设计、实验对象选择、数据分析、学术写作和同行评审。然而，尽管大型语言模型对推进心理学研究方法至关重要，但该论文也注意到了其技术和伦理挑战，如数据隐私、在心理学研究中使用大型语言模型的伦理影响以及对这些模型局限性的更深入了解的需要。研究人员应该负责任地在心理学研究中使用大型语言模型，遵守伦理标准，并考虑在敏感领域部署这些技术的潜在后果。总之，这篇文章全面概述了大型语言模型在心理学中的现状，探讨了潜在的好处和挑战。它号召研究人员在充分利用这些模型的优势的同时，负责任地解决相关风险。

Jan, 2024

对于大型语言模型（LLMs）的研究，包括基本原理、应用领域以及训练过程，本综述论文对于上下文学习、多种微调方法以及参数使用效率优化等机制进行探讨，同时深入研究了如何通过创新的强化学习框架和融入人类反馈的新方法来更好地与人类偏好相统一的问题。还研究了将外部知识融入LLMs的新兴技术——检索增强生成。对于LLMs的伦理问题，论文讨论了需谨慎且负责任的应用需求。最后，论文展望了未来的研究方向，提供了关于当今及未来LLMs领域中不断发展的全面且简明的概述，为人工智能领域的研究人员和实践者提供了有益的指南。

Apr, 2024

人工智能在教育领域有深远的影响，特别是大型语言模型（LLMs）在智能教育（LLMEdu）中的应用，对提高教学质量、改变教育模式和调整教师角色有巨大的潜力，然而仍面临着挑战和问题。本文系统综述了LLMEdu的当前技术、挑战和未来发展，并介绍了LLMs与教育的特点以及将LLMs整合到教育中的好处。同时还回顾了将LLMs整合到教育行业的过程和相关技术的引入，并讨论了LLMEdu所面临的挑战和问题，以及未来优化LLMEdu的前景。

May, 2024

该论文介绍了一个新颖的基准，旨在衡量和比较大型语言模型的道德推理能力，通过开发针对大型语言模型的道德维度的综合数据集和指标，结合伦理学者的定性洞察力，评估模型性能，并揭示了不同模型的道德推理能力存在显著差异，强调在大型语言模型的开发和评估中考虑道德推理的重要性，并需要进行后续研究来解决暴露在研究中的偏见和局限性。

Jun, 2024

本研究探讨了大型语言模型（LLMs）在自然语言处理和人工智能领域的快速发展，识别其影响、局限性及未来方向。研究提供了LLM发展的责任开发考虑、算法改进、伦理挑战和社会影响的全面概述，强调了其潜在的社会积极影响和伦理问题。

Sep, 2024

本研究探讨了大型语言模型（LLMs）在社会科学研究中作为人类替代品的使用问题，指出LLMs与人类的根本差异及其在模拟人类行为时的局限性。研究发现，除非通过大量人类行为数据进行微调，否则LLMs在模拟人类行为分布方面几乎都存在失败，提醒研究人员谨慎使用LLMs来研究人类行为。

Oct, 2024