这篇论文研究了使用大型语言模型 ChatGPT-3.5 在真实人机对话中执行对话行为检测的能力，并与专门的模型进行对比。研究发现，专门的模型和 ChatGPT 都没有达到令人满意的结果，低于人类表现，但 ChatGPT 显示出了潜在的潜力，并经常超过专门的检测模型。最后，论文深入探讨了 ChatGPT 的主要缺点，并提出了增强 LLM 能力的未来研究的指导。

Sep, 2023

DB-GPT 是一款现成的 Python 库，将大型语言模型（LLMs）与传统数据交互任务相结合，以增强用户体验和可访问性。它支持各种环境部署，并能够处理包括基本的文本到 SQL 转换以及生成式数据分析等复杂任务。此外，DB-GPT 还提供一系列产品功能，以方便用户将其集成到产品环境中。

Apr, 2024

使用大型语言模型（LLMs）如 ChatGPT 从自然语言中生成代码似乎是开创性的。然而，随着更广泛的使用，显然这种方法有自己的局限性。本研究提出了一种敏捷模型驱动开发（MDD）方法，使用 OpenAI 的 GPT-4 来增强代码自动生成。我们的工作强调 “敏捷性” 是对当前 MDD 方法的重要贡献，特别是当模型发生变化或需要部署到不同的编程语言时。因此，我们展示了一个案例研究，展示了无人驾驶车队的多代理仿真系统。在我们的方法的第一层和第二层，我们使用统一建模语言（UML）图示构建了案例研究的文本表示。在下一层中，我们引入了两组约束，以最小化模型的歧义性。对象约束语言（OCL）被应用于微调代码构建细节，而 FIPA 本体论用于塑造通信语义和协议。最后，利用 GPT-4，我们的最后一层自动生成 Java 和 Python 两种代码。Java 代码在 JADE 框架中部署，而 Python 代码在 PADE 框架中部署。在研究的结论部分，我们进行了对生成代码的全面评估。从行为角度来看，自动生成的代码与预期的 UML 顺序图完全一致。结构上，我们比较了仅受 OCL 约束的从 UML 图中导出的代码与既受 OCL 又受 FIPA 本体论影响的代码的复杂性。结果表明，本体论约束的模型产生了固有更复杂的代码，但仍然可管理并且对进一步的测试和维护风险较低。

Oct, 2023

AutoML-GPT 是一种使用大型语言模型和任务导向提示的自动化训练管道，可自动处理数据、选择最佳模型架构和超参数优化，并在计算机视觉、自然语言处理等领域实现了显著的结果，对于许多 AI 任务具有广泛的适用性。

May, 2023

通过大型语言模型驱动的 DoraemonGPT 系统，我们能够处理动态视频任务，利用空间 - 时间查询和推理工具进行简洁而相关的中间结果，同时通过蒙特卡洛树搜索驱动的规划器高效探索大规模计划空间，并以多种解决方案总结出改进的最终答案。在各种复杂问题的评估中，DoraemonGPT 展示了比以往研究更强大的能力。

Jan, 2024

本文提出了一种名为 AudioGPT 的多模 AI 系统，该系统结合了基础模型来处理复杂的音频信息和解决许多理解和生成任务，以及支持口语对话的输入 / 输出接口（ASR，TTS），并通过一系列实验证明了 AudioGPT 在多轮对话中具有语音、音乐、声音和对话理解和生成任务的能力。

Apr, 2023

提供行业专用的 AviationGPT 模型，显著提升在航空领域的性能，解决多种自然语言处理问题，增强国家空中系统运营效率和安全性。

Nov, 2023

该研究提出了名为 MultiModal-GPT 的视觉与语言模型，可以利用证据和语言数据对多模式指令进行调整，为模型的不断对话提供支持，同时提出了联合培训的观点，并通过各种演示展示了 MultiModal-GPT 的连续对话能力。

May, 2023

ChatGPT, Generative Artificial Intelligence, and Natural Large Language Models for Accountable Reporting and Use Guidelines (CANGARU) initiative aims to establish consensus and guidelines for the ethical use, disclosure, and reporting of Generative AI, Generative Pre-trained Transformers, and large language models in academia.

Jul, 2023

通过有效利用多模态观测以及发展高级认知能力，QuadrupedGPT 是一种灵活性与宠物相当的多功能机器人，能够掌握广泛的复杂任务，并解决长期目标的执行问题。

Jun, 2024