研究建立了世界首个古汉语至关文数据集，并进一步探讨了在这些语言任务上AIML中的现有语言模型的表现及最佳评估方法。

May, 2023

通过任务自适应分词机制，在心理健康方面增强长文本生成的流程，在多个结果中采样具有可变分词的策略，通过优化基于任务的数据的采样概率，引入了构建专用词汇的策略，并引入了允许将任务特定的令牌集成到预训练模型的分词步骤的词汇合并协议。在对中文和英文的心理问题回答任务进行了广泛实验证明，我们的任务自适应分词方法在生成性能上带来了显著的改进，同时使用的标记量减少了多达60%。初步实验结果显示，使用我们的分词方法与非常大的语言模型能够取得令人满意的结果。

Oct, 2023

LLMs在各领域越来越普及，因此迫切需要改进的NLP基准来涵盖各个学科的必要知识。为了解决这个问题，作者提出了psybench，这是第一个详尽覆盖研究领域所需知识的全面中文评估套件，通过多项选择题深入评估模型在心理学中的优势和劣势，并发现不同领域的性能存在显著差异，展示了测试集中知识不均衡可能导致结果偏斜的风险，仅ChatGPT模型的平均准确率超过70％，表明仍有很大的改进空间。总之，psybench将有助于对基本模型的优势和劣势进行全面评估，并在心理学领域的实际应用中提供支持。

Nov, 2023

本研究针对心理学领域缺乏定制的预训练模型，从中国社交媒体平台收集了3.36百万条文本，并加入心理学词典进行预训练改进，通过自适应训练开发出专门用于心理领域的模型，实验结果表明该模型在四个公共基准测试中表现优越且能够做出心理相关的预测。因数据隐私担忧，数据集不对公众开放，但预训练模型和代码可通过指定的链接公开获取。

Feb, 2024

LLMs在处理中文任务方面存在限制，该研究引入了中文指令跟踪基准（CIF-Bench），评估LLMs对中文语言的零射击泛化能力，并揭示出评估偏差和性能差距问题。

Feb, 2024

本研究介绍了一个基于正面心理学理论的积极重建框架。利用自然语言处理技术，包括转移学习、微调预训练网络和提示工程，我们展示了自动化工具在检测认知失真和积极重建两个任务上的有效性，从而为多语言积极重建做出了贡献。

May, 2024

通过提出C^3bench，我们在五个主要的古文理解任务中广泛评估了15个代表性大语言模型的定量性能。结果表明，现有的大语言模型在古文理解任务上仍然表现不佳，相比受监督模型仍然较差。我们相信这项研究可以为未来基于大语言模型的古文理解研究提供标准基准、全面的基线和有价值的见解。

May, 2024

本研究解决了古代汉字文本缺乏标点符号导致的语义理解困难问题。研究提出了一种基于双向多层LSTM和多头注意力机制的新方法，显著提升了对古代汉字文本标点位置和类型的预测准确性。研究结果表明，该方法在处理古代汉字文本时的表现优于未采用这些组件的RNN模型，具有重要的学术价值和实践意义。

Sep, 2024

本研究解决了目前缺乏评估大规模语言模型心理构念的方法这一问题。通过将标准心理问卷重新构建为自然语言推理提示，并提供代码库，研究展示了多个语言模型中存在与人类心理相关的构念，如焦虑和抑郁，并与人类心理学理论一致。该方法增强了语言模型的可解释性和可信度，推动了更可控的模型发展。

Sep, 2024

本研究解决了现有修辞理解和生成数据集中对不同修辞设备之间相互关系的忽视，提出了包含4个常用粗粒度类别和23个细粒度类别的中文作文修辞数据集（CERD）。实验结果表明，使用大语言模型联合微调多个任务可以显著提高修辞生成和理解的效果，从而提升写作能力和语言应用技能。

Sep, 2024