整合生成式人工智能到教育领域中，以英语作为外语的学习者通过与 ChatGPT 对话修订文章的方式进行的实证研究 (AI 在教育中的使用探索及反馈研究)。

Sep, 2023

RecipeGPT 是一种在线食谱生成和评估系统，它提供两种文字生成模式和一个食谱评估模块，使用 GPT-2 语言模型、精细调整的数据集，并可以方便地检查食谱生成内容的质量和存储结果供未来参考。

Mar, 2020

本篇研究分析了 EFL 学生在使用 ChatGPT 完成写作任务时的提示内容，探讨了提示质量和数量的模式，并提出了在 EFL 写作课堂中提供提示工程教育的必要性。

Jun, 2023

通过探索辅助子任务：用户意图检测和指令状态追踪，以支持响应生成，从而提高指令基础的对话系统的性能，实验结果表明它能够缓解生成错误顺序的问题，并在分析 ChatGPT 的输出时发现其仍存在错误。

May, 2023

本文介绍了适用于多模态理解和推理任务的 “RecipeQA” 数据集，其中包含大约 20,000 个有多个模态（如标题，描述和一组对齐的图像）的烹饪配方的指令，与其对应的 36,000 多个问题答案对。我们利用自动生成的问题，设计了一组需要对图像和文本进行联合理解，捕捉事件的时间流和理解流程知识的任务。该数据集是衡量计算机理解系统的理想基准，并提供数据和排行榜。

Sep, 2018

通过评估多个基准生成模型在教育对话中提供信息和帮助学生的能力，本研究旨在模拟一个有知识的老师的角色，并发现 GPT-4 在教师 - 学生聊天记录子集上的优越性，测量标准是 BERTScore 和 DialogRPT，同时注意到采样、代表性和对话完整性等数据集特征对微调模型的一般化能力造成了显著挑战，最终强调了对这些生成模型进行评估的需求，其中评估标准不仅依赖于对话连贯性和匹配的语言建模分布，而且还依赖于模型展示教学技巧的能力。

Jul, 2023

我们的研究利用大语言模型将菜谱文本转化为易于理解的形式，通过改进菜谱的步骤和指令并使用 Amazon Mechanical Turk 任务收集人类意见，证明了大语言模型作为数字厨师的潜在应用。

Jun, 2023

ChatGPT 以小样本的实验方法，通过对英文作文的自动评估，揭示了其在自动化作文评分方面的能力和限制，尽管结果存在回归效应，但有效的 ChatGPT 提示的设计和实施需要深厚的领域专业知识和技术能力。

Jan, 2024

我们提出了一个用于生成基于教科书的综合教师 - 学生互动的框架，通过借助合适的数据合成方法来训练教育聊天机器人，同时对数据的大小和质量进行平衡以解决幻觉和重复信息的问题。

Mar, 2024

本文选举为教育对话中教师回应产生共性任务的首个任务，以基于生成语言模型的人工智能教师为校准目标；在八个参赛者中，NAISTeacher 系统以 GPT-3.5 生成器为基础靠类似于提示流的集合和对话环境上的排名生成，达到自动和人工评估的双重第一名；然而，结果也凸显出现有的关键问题，包括需适合于教育场景的评估指标等。

Jun, 2023