ChatGPT 用于 GTFS:从文字到信息
本文探讨大型语言模型在智能交通系统中的未来应用,介绍了交通数据的不同模态的处理和 LLM 的运行方式。此外也提供了智能手机崩溃报告自动生成和分析框架作为应用案例。虽然具有潜在优势,但数据隐私、数据质量和模型偏差等挑战需予以考虑。
Mar, 2023
通过使用统计工具和无监督文本挖掘,本研究比较了 ChatGPT 生成的摘要和人工编写的摘要,结果发现两者相似度较低。高相似度论文摘要的关键词通常相似,包括接入、公共交通和政策等,而对于低相似度摘要的关键词则不太相似。这表明 ChatGPT 有潜力成为交通公平信息的来源,但目前需要更多的关注。
Mar, 2023
通过将 ChatGPT 和交通基础模型相结合,TrafficGPT 在交通管理领域中不仅推动了交通管理的进步,也为在该领域利用人工智能能力提供了一种新的方法。
Sep, 2023
这篇论文评估了 ChatGPT(GPT-3.5、GPT-4)对数字取证领域的影响和潜在影响,重点关注最新的预训练 LLM GPT-4,通过一系列实验评估了它在包括文物理解、证据搜索、代码生成、异常检测、事件响应和教育等多个数字取证应用场景中的能力,并总结了它的优势和风险。综合而言,尽管 ChatGPT 在数字取证领域存在一些潜在的低风险应用,但很多应用目前不适用,因为需要将证据上传至服务端,或者需要对所询问的话题具有足够的知识以识别错误的假设、不准确性和错误。然而,对于合适的知识用户而言,在某些情况下,它可以作为一个有用的辅助工具。
Jul, 2023
本研究分析了 ChatGPT 在不同对话问答语料库中生成的回答,并使用 BERT 相似度得分进行比较,以获取自然语言推理(NLI)标签。该研究还确定了 ChatGPT 提供错误答案的情况,提供了有关该模型可能存在错误的领域的见解。通过评估分数,比较 GPT-3 和 GPT-4 的整体性能。
Apr, 2023
ChatGPT 作为一个问答系统,通过对其在提供的段落中提取回答的能力进行评估,发现它在生成模型方面表现出了实力,但在问题回答方面相对于特定任务模型表现较差,而提供上下文可以提高其性能,提问方式对其准确性有所影响,并且在提供的上下文中提供了无法从中获取答案的问题的回答,还存在答案幻觉的现象。
Dec, 2023
本文通过对 ChatGPT 在需求分析任务上的表现进行实证评估,探讨生成式大语言模型在自然语言处理领域对需求工程的影响,结果显示 ChatGPT 在多语言多类型需求文档检索上表现出令人惊叹的能力。
Apr, 2023
本文介绍了关于文本摘要的各种方法,包括提取式和抽象式,并探讨了大型语言模型在此方面的应用潜力。作者以四个数据集为例,展示了 ChatGPT 生成的摘要与人类参考的差异,并发现 ChatGPT 在摘要性能上可以与传统的微调方法媲美。该研究为各种文本摘要任务开辟了新方向,提供了有价值的见解。
Feb, 2023
人工智能领域中,ChatGPT 作为一项重要技术,对信息检索产生了重要影响,本文旨在研究 ChatGPT 在信息检索任务中的影响以及其潜在未来发展。
Feb, 2024
本研究探讨了 ChatGPT 在解决编程问题方面的有效性,考察了其解决问题的正确性和时间、内存复杂度等效率,研究结果表明 ChatGPT 在结构化问题方面表现出较好的成功率,但其调试任务表现不佳,为 ChatGPT 的能力和改进提供了精辟的了解。
Jul, 2023