Jun, 2023

大型语言模型作为副主厨：使用 GPT-3 修改食谱

PDF
TL;DR我们的研究利用大语言模型将菜谱文本转化为易于理解的形式，通过改进菜谱的步骤和指令并使用 Amazon Mechanical Turk 任务收集人类意见，证明了大语言模型作为数字厨师的潜在应用。
large language modelsrecipetext generationamazon mechanical turkdigital sous chefs
发现论文，激发创造
  • 蒙特卡洛树搜索用于使用 GPT-2 生成菜谱

    使用 GPT-2 和 Monte Carlo Tree Search（MCTS）的文本生成方法 RecipeMC，通过定义奖励函数，可以带有软约束地生成可信的食谱，与其他基线方法相比，人类评估者更喜欢使用 RecipeMC 生成的食谱。

    Jan, 2024

  • GPT3Mix：利用大规模语言模型进行文本增强

    本文提出一种新的数据增广技术，利用大规模的语言模型从混合的样本中生成逼真的文本样本，并利用语言模型预测的软标签，从大规模语言模型中蒸馏知识并同时创建文本扰动，我们在多元化的分类任务上进行数据增广实验，并展示了该方法远远优于现有的文本增广方法，消融研究和定性分析提供了更多的见解。

    Apr, 2021

  • 生成式大型语言模型是全能文本分析引擎：文本对文本学习是您所需的全部

    通过基于生成型大型语言模型（LLM）的通用文本到文本学习架构和提示调优，解决主要的临床自然语言处理（NLP）任务，并提供了最新的性能。

    Dec, 2023

  • 多模态模块化人工智能厨师：基于图像的复杂食谱生成

    本文介绍了一种基于多模态方法的轻量级和专门化的 API，使对象检测和最新的文本生成器的串联生成秤可能的食谱。

    Mar, 2023

  • 大型语言模型是复杂的表格解析器

    本文中，我们提出了在复杂表格问答中引入 GPT-3.5 的方法来解决相关挑战，通过重构复杂表格为元组并使用特定的提示设计对话框，将每个单元格的层次结构、位置信息和内容编码为一个元组，并通过加强提示模板的解释说明每个元组的含义和任务的逻辑推理过程，有效提高了 GPT-3.5 对复杂表格的层次结构感知能力，从而更好地解析复杂表格。通过大量的实验证明，我们的方法在复杂表格问答数据集 HiTAB 和航空领域数据集 AIT-QA 上显著优于先前的工作，取得了最先进的性能。

    Dec, 2023

  • 大型语言模型

    这篇研究论文探讨了人工智能领域的语言模型发展及近期成果，重点介绍了基于变压器架构的大型语言模型的工作原理，以及这些预测模型如何展现出类人的智能水平。

    Jul, 2023

  • 食谱的文化适应

    我们介绍了一项新任务，涉及中英文烹饪食谱之间的翻译和文化适应，使用了 CulturalRecipes 数据集并评估了各种方法的性能，包括 GPT-4 和其他 LLMs，传统机器翻译以及信息检索技术。在跨文化烹饪适应这一复杂任务中，我们发现 GPT-4 在将中文食谱转换为英文时表现出色，但在将英文食谱翻译为中文时仍然不及人类专业知识，凸显了文化适应的多方面性质。我们预计这些见解将对未来研究文化感知语言模型及其在文化多样性环境中的实际应用方面有重要贡献。

    Oct, 2023

  • 从烹饪食谱到机器人任务树 - 通过利用带有知识网络的 LLM 提高规划准确性和任务效率

    本研究介绍了一种新颖的任务树生成流程，用于机器人烹饪中的任务规划。通过利用大型语言模型 (LLM) 检索食谱说明，并利用经过微调的 GPT-3 将其转化为任务树，捕捉子任务之间的顺序和并行依赖关系，该流程可以减轻 LLM 输出的不确定性和不可靠特征，并通过任务树检索将多个 LLM 任务树输出组合成图形，以提高规划准确性和执行效率。评估结果表明，与先前的任务规划方法相比，其表现优异，具有更高的准确性和效率。

    Sep, 2023

  • 大型语言模型的迭代翻译优化

    本文提出了迭代翻译改进方法，利用大型语言模型处理自然语言任务并提升翻译质量。通过与 GPT-3.5 进行广泛测试，证明了通过迭代翻译改进方法可以将翻译质量提高至可与人类相媲美。

    Jun, 2023

  • 大型语言模型的提示式编程：超越少样本范式

    使用 GPT-3 模型分析得出少量样例引导更接近于已学习的任务，本文探讨使用自然语言编程来优化引导，提出元引导概念后能够生成更多的任务自然语言引导，展望这些方法如何应用于实践应用。

    Feb, 2021