本研究介绍了一种基于 ChatGPT 的对话式自动化机器学习 (AutoML) 框架作为 “个人数据科学家”，通过多个语言模型实例构建了自然界面，展示了对话式数据科学的新概念，同时也突出了 ChatGPT 的潜在缺陷和改进机会。

May, 2023

该研究旨在研究 ChatGPT 在人本设计过程中的能力，通过一个虚构的设计项目，证明 ChatGPT 可以表现为设计师、用户或产品，提高了用户体验，但是存在一定的局限性，为未来研究提供了参考方向。

Feb, 2023

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

探讨大型语言模型驱动的聊天机器人对学生学习的影响，并就教育解决方案的设计考虑进行讨论，特别针对数据可视化教育。

May, 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

本文通过对 10902 篇有关 ChatGPT 人工智能聊天机器人与技术的主流新闻标题的文本挖掘及自然语言处理的定量数据分析，发现 ChatGPT 和人工智能在主流媒体中的情感分析结果更积极，但新闻标题中超过 65% 的高频率的词汇都是关于大型科技公司和行业问题，例如安全、监管和监督，而就业、人种多样性、伦理、版权、性别和女性等主题则极少被提及，本文为大科技公司和大媒体之间权力结构和勾结的严格分析。

May, 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

本文运用自然语言处理技术对推特数据进行情感分析和主题建模，研究公众对 ChatGPT 的态度，发现总体上态度中立到正面，人工智能、搜索引擎、教育、写作、问答等是推特中提到度最高的话题。

Jun, 2023

本研究的主要目的是提供 ChatGPT 检测的最新技术的全面评估，同时我们评估了其他 AI 生成的文本检测工具，以检测 ChatGPT 生成的内容。此外，我们还创建了一个基准数据集用于评估各种技术在检测 ChatGPT 生成内容方面的性能。研究结果表明，现有方法都不能有效地检测 ChatGPT 生成的内容。

Apr, 2023