Mar, 2024

OverleafCopilot: 运用大型语言模型增强 Overleaf 中的学术写作

PDF
TL;DR这篇论文探讨了如何通过将大型语言模型（LLMs）与流行的学术写作工具 Overleaf 集成，以提高学术写作的效率和质量，并提出了 OverleafCopilot 工具作为海量语言模型和 Overleaf 的第一次无缝集成，从而使研究人员能够在撰写论文时充分利用语言模型的强大功能，通过有效的桥接方案、高质量 PromptGenius 网站以及可定制的代理指令系统来帮助研究人员快速构建自己的个性化代理，旨在改革学术写作实践，使研究人员在更短的时间内生成更高质量的论文。
发现论文，激发创造
  • SheetCopilot： 利用大型语言模型将软件生产力提升到新的高度

    提出了一种名为 SheetCopilot 的代理方案，该代理方案利用大型语言模型 (LLMs) 使用自然语言用户请求进行任务和控制电子表格，具有较高的自动化能力。经过测试，该代理方案正确完成了 44.3% 的任务，表现显著优于强代码生成基线。

    May, 2023

  • Xcode 的协助助手：利用云端大型语言模型提供 AI 辅助编程

    这篇论文介绍了一种名为 Copilot for Xcode 的 AI 辅助编程工具，通过将云端的大型语言模型与苹果的本地开发环境 Xcode 无缝集成，提高了软件开发者的生产力，释放了创造力，支持苹果软件生态系统中的软件开发。它利用先进的自然语言处理技术，有效处理代码库中的源代码令牌和模式，实现代码生成、自动完成、文档编制和错误检测等功能。软件开发者还可以通过 Copilot for Xcode 的聊天界面查询和进行 “小型” 程序组合的决策，其中一些决策可以同时进行。最后，我们通过简单的案例研究展示了在 Xcode 中利用 NLP 来促进流行的大型语言模型服务如 OpenAI ChatGPT 进行程序组合和设计的有效性。

    Jul, 2023

  • 迈向在 Lean 中进行定理证明的大型语言模型作为副驾驶

    该研究论文介绍了使用大型语言模型作为辅助工具的 Lean Copilot 框架，用于证明定理过程中的自动化，证明步骤建议、自动完成中间证明目标、选择相关前提条件等。实验证明了该方法较现有的基于规则的证明自动化方法在证明定理过程中对人类的辅助和自动化程度的有效性。

    Apr, 2024

  • MLCopilot: 大型语言模型在解决机器学习任务中的应用

    本文介绍了一种利用 LLMs 自动学习生成机器学习解决方案的框架 MLCopilot，旨在将机器智能与人类知识相结合来提高解决新任务的能力，生成的解决方案可以直接应用于实际环境中。

    Apr, 2023

  • Copilot 评估系统：评估 LLM 指导的软件编程

    利用 Large Language Models（LLMs）提高开发人员在开发环境（IDEs）中的生产力是现代软件开发的重点。本文介绍了 Copilot 评估工具，用于评估 LLM 引导的 IDE 交互，在不同编程场景和语言中提供了更稳健和信息丰富的评估指标。通过这些指标，我们评估了三种常见 LLMs 的性能，为未来的 LLM 引导 IDE 场景的开发和验证提供了经验教训。

    Feb, 2024

  • 优化大型语言模型对 OpenAPI 代码补全的应用

    该研究评估了 GitHub Copilot 在 OpenAPI 完成度方面的性能，并提出了一组针对任务的特定优化，利用了 Meta 的开源模型 Code Llama。该研究还提出了一种语义感知的 OpenAPI 完成度基准方法，并通过一系列实验分析了各种提示工程和微调技术对 Code Llama 模型性能的影响。经过微调的 Code Llama 模型在参数数量比商业解决方案 Codex 模型的基础下少 25 倍的情况下，将正确性改进达到了 55.2% 的峰值。此外，该研究还提出了一种改进的代码插入训练技术，解决了模型在提示上下文大小小于训练时使用的大小时性能不佳的问题。

    May, 2024

  • 大语言模型时代的创造力支持：涉及新兴作家的实证研究

    通过实证用户研究 (n=30)，我们调查了现代大型语言模型 (LLMs) 在协助专业作家方面的效用，发现作家在规划、翻译和审阅等认知活动中都寻求 LLMs 的帮助，尤其在翻译和审阅方面 LLMs 更为有帮助，同时我们的研究结果也强调了利用 LLMs 进行创意写作辅助的未来研究方向。

    Sep, 2023

  • 从大型语言模型和优化到决策优化 CoPilot：一份研究宣言

    通过结合大型语言模型和优化技术，我们提出了一个名为 Decision Optimization CoPilot（DOCP）的人工智能工具，它旨在帮助决策者使用自然语言理解业务问题，并随后构建并解决相应的优化模型，从而显著简化了实际业务问题的优化模型的创建，从而实现更普遍的、改善决策的目标。

    Feb, 2024

  • 合作驾驶机组员：将大型语言模型与完成引擎融合用于自动程序修复

    在修复自动化程序中，利用大型语言模型 (LLMs) 通过与补全引擎的互动，协同合成出更多有效的补丁，在生成预算相同的情况下，比基础的 LLM 能够产生更多有效和正确的补丁。

    Sep, 2023

  • mPLUG-PaperOwl: 多模态大型语言模型的科学图解析

    通过强化多模态图表分析能力，我们构建了多模态图表理解数据集 M-Paper 并引入了控制信号‘outline’，通过与先进的多模态语言模型的全面实验，证明了在我们的数据集上进行训练能够展现更强大的科学图表理解性能.

    Nov, 2023