通过混合方法研究ChatGPT的早期用户发表的10,732条推文，主题建模确认了软件开发、娱乐和创造力等主题的积极情绪，仅少数人表达了对ChatGPT潜在误用和教育影响等问题的关注。

Dec, 2022

研究对ChatGPT的失误进行系统分析，提出了11类失误，并讨论了聊天机器人的风险、局限性和社会影响，目的是帮助研究人员和开发者提升未来的语言模型和聊天机器人。

Feb, 2023

本文研究了ChatGPT在25个多样化的自然语言处理任务（如情感分析、情感识别、态度检测、自然语言推断、词义消歧、语言可接受性和问答）中的表现及其个性化响应能力，并与现有的国际先进水平（SOTA）解决方案进行了比较。结果表明，任务难度越高（低SOTA表现），ChatGPT的损失越大。同时也揭示了ChatGPT偏见，在一定程度上限制了ChatGPT的有效性。

Feb, 2023

该研究探讨了ChatGPT等大型语言模型是否有潜力在社交计算任务中复制人类生成的标签注释，并使用ChatGPT重新标注了五个具有里程碑意义的数据集，证明了它在数据注释方面具有潜力，但仍存在挑战。

Apr, 2023

ChatGPT是OpenAI创建的一种大型语言模型(LLM)，通过大量数据的精心训练，推动了自然语言处理(NLP)的发展，并拓展了LLM的能力边界。本文主要目标是对ChatGPT及其演变的当前研究方向进行简明概述，提供了基于玻璃盒和黑盒观点的综合分析。此概述也揭示了LLM和GAI领域的现有和缺失研究方向，有益于公众用户和开发人员。

Jul, 2023

ChatGPT的综述文章回顾了100多个Scopus索引的ChatGPT研究文章，探索其应用领域，并提出了问题、挑战和未来研究方向。

Jul, 2023

研究探讨人类和LLM生成的对话之间的语言差异，并使用ChatGPT-3.5生成的19.5K对话作为EmpathicDialogues数据集的补充。研究使用了语言查询和词频统计（LIWC）分析，在118个语言类别上比较ChatGPT生成的对话和人类对话。结果显示人类对话在可变性和真实性方面更出色，但ChatGPT在社交过程、分析风格、认知、注意力焦点和积极情绪方面表现优异，加强了LLM“更接近人类”的最新发现。然而，在正面或负面情感方面，ChatGPT和人类对话之间没有显著差异。对话嵌入的分类器分析表明，尽管对话中未明确提及情感，但存在着情感价值的隐式编码。该研究还提供了一个新颖的ChatGPT生成的对话数据集，其中包含两个独立的聊天机器人之间的对话，这些对话旨在复制一个开放可访问的人类对话语料库，广泛应用于语言建模的AI研究。我们的研究结果增加了对ChatGPT的语言能力的理解，并为区分人类和LLM生成的文本的持续努力提供了信息，这对于检测由AI生成的虚假信息、错误信息和误导信息至关重要。

Jan, 2024

ChatGPT是一种基于Transformer架构的大型语言模型，能够在对话环境中生成类似人类的回答。它具有广泛的应用领域，但也引发了伦理和社会等方面的担忧。本文概述了ChatGPT的架构和训练过程，并提出了一些技术、监管、教育和伦理等方面的建议，以最大化其益处并尽量减少负面影响。

Feb, 2024

通过分析ChatGPT在不同设定下的交互行为，我们深入研究了该模型在自然对话和角色扮演对话环境中的行为。我们引入了一个新的人工智能和人类对话的数据集，注释了用户动机和模型自然度，从而探究了人类如何与对话型人工智能模型进行交互以及人工智能模型的自然度。我们的研究突出了用户与ChatGPT进行交互时的动机多样性和人工智能模型的自然度差异，不仅展示了人与人工智能之间自然对话的微妙动态，也为提高人工智能与人类沟通的效果提供了新的途径。

Mar, 2024

我们在这篇论文中调查了ChatGPT在七个自然语言处理任务领域的真实性能水平，回顾了ChatGPT的社会影响和安全问题，并强调了其评估中的关键挑战和机遇。我们希望我们的调查能够揭示ChatGPT的黑盒特性，以免研究人员被其表面生成所误导。

Apr, 2024