本研究基于人 - AI 交互合作，整合了 AI 模型 GPT-4 到网状化学实验的迭代过程中，通过自然语言开发和操作实现。使用 GPT-4 提供的详细指导进行实验，与学徒提供实验结果反馈进行文本学习，从而实现像有经验的化学家那样的快速学习策略。该工作流程在合成多种优化条件的金属有机骨架时表现出潜在的广泛应用前景。

Jun, 2023

GPT-Lab 使用 GPT 模型使机器人具备与人类智能相似的能力，在化学实验中挖掘文献的材料和方法，并通过高通量合成验证发现，展示了我们系统在材料发现和验证方面的快速潜力。

Sep, 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

人工智能和自然语言处理的快速发展导致了大规模数据集的生成，该研究旨在评估机器学习模型在网状化学领域中的能力。RetChemQA 是一种全面的基准数据集，包括单跳和多跳问题 - 回答对，共约 45,000 个每种类型。该数据集使用 OpenAI 的 GPT-4 Turbo 生成，旨在为网状化学社区的高级机器学习算法的开发和评估提供强大的平台。

May, 2024

本研究介绍了针对生物医学图像分析的 GPT-4V 的大规模评估，评估了 GPT-4V 在医学成像领域的表现和局限性，包括放射学、肿瘤学、眼科学、病理学等 16 个医学成像类别的任务，结果显示 GPT-4V 在成像模态和解剖定位方面表现出色，但在疾病诊断和定位方面存在一定困难，而且在生成诊断报告方面表现优异，需要进一步提升和验证才能在临床应用前达到可靠，该研究推动对多模态大语言模型的理解，并指导未来工作在医疗应用方面的发展。

Nov, 2023

这篇论文全面评估了 GPT-4V 在不同的医学图像任务中的能力，包括放射学报告生成、医学视觉问答和视觉基础。我们的研究首次对公开可用的基准进行了定量评估，发现了 GPT-4V 在为胸部 X 射线图像生成描述性报告方面的潜力，特别是在有良好结构提示的引导下。然而，我们的发现也揭示了 GPT-4V 在某些评估指标（如 CIDEr）上仍需改进，尤其是在 MIMIC-CXR 数据集基准上。在医学问答方面，虽然 GPT-4V 在区分问题类型方面表现出了熟练度，但在准确性方面还不及现有基准。此外，我们的分析发现了常规评估指标（如 BLEU 分数）的局限性，倡导发展更语义鲁棒的评估方法。在视觉基础领域，虽然 GPT-4V 在识别边界框方面显示了初步的潜力，但其精度不够，特别是在识别特定的医学器官和病症方面。我们的评估强调了 GPT-4V 在医学图像领域的重要潜力，同时也强调了需要针对性的改进来充分发挥其能力。

Oct, 2023

评估和比较 GPT-4 和 GPT-4Vision 在放射学任务中的作用，表明 GPT-4Vision 可以从图像中识别放射学特征，从而提高其在诊断潜力上，超过基于文本的描述。

Nov, 2023

探索 GPT-4 在从科学文献中进行特定模式的信息提取方面的能力，评估其是否能够通过基本的提示方法复制两个已存在的材料科学数据集，从最初手动提取的文稿中提取所需信息，并利用材料科学家的见解进行详细的手动错误分析，以确定模型在提取所需信息时的困难之处，并提出研究方向来解决这个广泛重要的任务。

Jun, 2024

通过评估 GPT-4V 在解释气象图表和向用户适当传达天气风险方面的能力，尽管存在幻觉等挑战，该研究强调谨慎整合 GPT-4V 等工具在气象学中的必要性，强调人工监督和开发可靠、可解释的人工智能。

Apr, 2024

人工智能和自然语言数据集为探索固态材料提供了巨大潜力。

Aug, 2023