ChatDrug 是一种基于会话大型语言模型（LLMs）的药物编辑框架，该模型联合使用提示模块、检索域反馈（ReDF）模块和会话模块，以实现有效的药物编辑，其在 33 项药物编辑任务中表现最佳，并可以从领域特定的角度提供有启发性的解释，为制药研究和发展的推进铺平了道路。

May, 2023

该研究使用了 ChatGPT 作为虚拟指南，为开发抗可卡因成瘾药物的研究人员提供战略和方法论的指导，通过利用 ChatGPT 的能力，介绍了一种新的药物发现方法，表明 ChatGPT 与人类专业知识的合作互动能够增强潜在药物解决方案的设计和开发，以 AI 为动力的聊天机器人将推动药物创新领域的革命。

Aug, 2023

本文提出了一种基于大型语言模型的框架（MolReGPT），通过检索式提示范式在上下文中进行少量评估，并利用分子相似性原理从本地数据库检索类似分子及其文本描述来启用 LLMS，用于分子说明翻译以促进分子发现

Jun, 2023

本研究比较分析了三种生成式预训练转换模型（GPT）在问答环境中的应用：Drug-GPT 3、Drug-GPT 4 和 ChatGPT，并且将其应用于医疗保健领域。研究的目标是确定哪个模型在回答关于特应性皮炎（AD）患者经历和与糖尿病相关的医疗专业人员（HCP）讨论的问题时能提供最准确和相关的信息。结果表明，虽然这三种模型都能生成相关和准确的回答，但 Drug-GPT 3 和 Drug-GPT 4 这两种模型通过病患和医疗专业人员社交媒体和留言板帖子的筛选数据提供了更有针对性和深入的见解。ChatGPT 这种更通用的模型生成了更宽泛和一般性的回答，对于希望获得对主题的整体理解的读者来说可能是有价值的，但可能缺乏 Drug-GPT 模型生成答案中的深度和个人见解。这项比较分析强调了在评估医疗保健应用中生成信息的有用性时考虑语言模型的观点、知识深度和时效性的重要性。

Jul, 2023

通过利用大型语言模型 (ChatGPT) 和知识驱动提示构建的分析框架，我们首次对社交媒体上的非法药物交易活动进行了系统研究，实验结果表明该框架在药物贩运检测准确性方面优于其他基准语言模型，该研究可为社交网络提供有效的药物贩运识别和标注，甚至在非法药物交易者使用隐晦语言和委婉语避免检测的情况下仍然有效。

Jul, 2023

探索大型语言模型 (LLMs) 在医学应用方面的潜力，特别是在药物监测事件提取方面的 ChatGPT 的能力。我们进行了广泛的实验，评估了 ChatGPT 在药物监测事件提取任务中的性能，并采用了各种提示和演示选择策略。研究结果表明，虽然 ChatGPT 在适当的演示选择策略下表现出了合理的性能，但与完全微调的小型模型相比仍然有所不足。此外，我们探索了利用 ChatGPT 进行数据增强的潜力。然而，我们的研究发现将合成数据引入微调可能会导致性能下降，可能是由于 ChatGPT 生成的标签中存在噪声。为了减轻这个问题，我们探索了不同的过滤策略，并发现在适当的方法下可以实现更稳定的性能，尽管不断改进仍然具有挑战性。

Feb, 2024

使用基于大型语言模型的 ChatGraph 框架，用户可以通过自然语言与图形进行交互，更加易于使用和灵活，通过理解用户的输入提示文本和图形，ChatGraph 生成图分析 API 链。

Jan, 2024

本研究提出了一种新的框架，利用 ChatGPT 进行文本分类等特定任务，同时提高其解释性。该框架通过知识图谱抽取任务从原始数据中提取精细和结构化的知识，并将其转化为图形，进而用于训练可解释的线性分类器进行预测。实验结果表明，与直接使用 ChatGPT 相比，我们的方法可以显著提高性能，并提供比以前文本分类方法更透明的决策过程。

May, 2023

采用指令工程来指导 ChatGPT 在多样化的科学文献格式和风格中自动化地进行金属有机骨架合成条件的文本挖掘，该方法有效缓解了 ChatGPT 在科学领域中使用大型语言模型困难的问题，从而实现了令人印象深刻的准确性和精度。

Jun, 2023

ProtChatGPT 通过自然语言学习和理解蛋白质结构，使用户能够上传蛋白质、提问和进行互动对话以生成全面答案，为蛋白质研究提供了新的可能性。

Feb, 2024