本文探讨了生成式 AI 模型（如 ChatGPT）在投资组合选择方面的潜在用途。结合 ChatGPT 和先进的量化优化技术，通过融合 AI 生成的股票选择优势和量化优化模型，观察到更稳健和有利的投资结果，为未来更有效可靠的投资决策提供了混合方法。

Aug, 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

通过分析特定资产的 K 线数据，本研究旨在检验 GPT-4 对经典交易理论的理解程度及其在真实交易数据分析中的能力，并探索从 GPT-4 的分析过程中提炼更精确的交易方法，为人类交易员提供宝贵的洞见。

Sep, 2023

通过与 AI 算法的交互，本文考虑如何提升人类的创造性思维，并通过心理学任务和实验证明，人类与 AI 在提示方面表现出类似的益处，并且可以通过模拟参与者的群体进行学习。

Nov, 2023

本文使用 GPT-4 进行了多项实验来生成计算机代码，发现 AI 编码工具需要人类的验证才能确保准确性和可靠性。同时，使用 GPT-4 进行代码改进可以显著提高代码质量，但生成的测试仍需要人类验证。

Apr, 2023

本文提供了一种构建通用人工智能的路径 - AI 生成算法 (AI-GA)，并针对其进行了安全与伦理等方面的讨论，此方法基于机器学习领域中手动设计解决方案被更有效的学习解决方案取代的趋势，并依赖于元学习体系结构、元学习学习算法本身以及生成有效学习环境三个支柱。作者认为，将投资于该方法研究的费用应该增加，因为它可能是构建通用 AI 的最快路径，并且由于理解简单算法可以生成通用人工智能的条件在科学上具有内在的兴趣，因此应将 AI-GAs 的探索视为计算机科学研究的新大挑战。

May, 2019

通过开发 GPT4AIGChip 框架，借助人类自然语言而非特定领域语言，将大型语言模型应用于自动化人工智能加速器设计，以推动下一代基于大型语言模型的设计自动化工具创新。

Sep, 2023

提出基于 HPC 领域的 LLaMA 模型 HPC-GPT，通过生成的 QA 实例进行细粒度调整，提升 LLM 在高性能计算任务中的性能表现。通过在 AI 模型、数据集管理以及数据竞争检测等 HPC 任务中使用 HPC-GPT，得到与现有方法相媲美的结果，展示其在 HPC 相关场景下的优秀性能。实验结果表明 HPC-GPT 潜力巨大，能够弥合 LLM 和 HPC 特定任务之间的性能差距，为复杂计算应用中的语言模型的使用铺平道路。

Oct, 2023

本文报道了 OpenAI 发展的最新模型 GPT-4，证明其不仅能够掌握语言，而且在数学、编码、视觉、医学、法律和心理等多个领域中都能够解决新颖且困难的任务，表现接近于甚至超过人类的水平，代表了一种新的群体智能的语言模型，并可能被视为人工通用智能（AGI）系统的早期、但尚不完整的版本。同时，本文还探讨了 GPT-4 的局限性，指出其可能需要超越下一个预测的新范式，为实现更深入和全面的 AGI 版本的发展面临的挑战，以及该技术飞跃的社会影响和未来研究方向的反思。

Mar, 2023

研究了 LLMs，特别是 GPT-3.5 和 GPT-4，如何根据主动学习原则为九年级数学提供量身定制的问题。结果显示，GPT-4 能够生成准确、具有挑战性的问题，并且 GPT-3.5 在从 GPT-4 接受指导后在处理更复杂问题方面有了明显改善，从而突显了 LLMs 模拟和增强主动学习场景的潜力，为个性化教育中的人工智能提供了有前景的途径，需要在不同的教育环境中进一步探索。

Jun, 2024