Mar, 2024

朝着可持续的 GenAI：用于环保的大型语言模型推断的生成指令

PDF
TL;DRSprout 是一种创新的框架，通过减少碳足迹来降低生成式大语言模型推理服务的环境影响，在指导自回归生成过程中利用 “生成指令” 的创新概念提高碳效率，平衡生态可持续性和高质量生成结果的需求，通过 Llama2 大语言模型和全球电力网络数据的真实评估，实现了超过 40% 的碳排放显著减少，为将人工智能技术与可持续实践相结合迈出了关键一步，凸显了在快速扩展的生成式人工智能领域中缓解环境影响的潜力。
generative artificial intelligencecarbon emissionssprout frameworkgeneration directivesecological sustainability
发现论文，激发创造
  • 生成型人工智能和大型语言模型的全球学术指南概览

    本研究通过系统调查、基于文本挖掘的全球和国家指南、独立研究以及八十所大学层面的指导，提供了对教育中生成式人工智能（GAI）和大型语言模型（LLMs）的机会和挑战进行细致的理解。研究强调了在这些技术的整合过程中平衡方法的重要性，以 harness 利用其技术优势的同时，考虑伦理问题，并确保公平的获取和教育结果。最后，本文提出了促进负责任创新和道德实践，指导将 GAI 和 LLMs 整合到学术中的建议。

    May, 2024

  • 生成人工智能用于合成数据生成：方法、挑战与未来

    该论文探讨利用巨大的大语言模型生成特定任务训练数据的先进技术，介绍了方法论、评估技术和实际应用，并讨论了当前的限制和未来研究的潜在路径。

    Mar, 2024

  • 鉴定和减轻生成式人工智能的安全风险

    生成式人工智能技术（GenAI）可能被用于积极和消极目的，这篇论文讨论了 GenAI 所带来的双重用途困境，并提出了针对此问题的短期和长期目标，旨在引发学术界对此重要主题的深入讨论。

    Aug, 2023

  • 大型语言模型与用户界面相遇：反馈供应案例

    将生成式 AI（GenAI）和大型语言模型（LLMs）应用于教育可以提高教学效率，丰富学生学习。使用当前的 LLM 涉及到会话式用户界面（CUIs）用于生成材料或提供反馈，但这带来了教育者在 AI 和 CUI 领域的专业知识需求、高风险决策的道德问题以及隐私风险。为了解决这些问题，我们建议从 CUIs 过渡到通过 API 调用利用 LLMs 的用户友好应用程序。我们提出了一个将 GenAI 道德地融入教育工具的框架，并展示了其在我们的工具 Feedback Copilot 中的应用，该工具为学生作业提供个性化反馈。我们的评估结果显示了这种方法的有效性，对 GenAI 研究人员、教育者和技术人员具有重要意义。这项工作为教育中的 GenAI 未来制定了一条路线。

    Apr, 2024

  • 大规模生成模拟人工智能：生成人工智能的下一个热点

    近期以来，GenAI 的概念已经发展了几十年，在自然语言处理和计算机视觉方面取得了实质性的突破，在工业场景中积极参与。鉴于其中的实际挑战，如有限的学习资源和过度依赖科学发现经验主义，我们将大规模生成模拟人工智能（LS-GenAI）提名为 GenAI 的下一个热点。

    Aug, 2023

  • ChatGPT, 生成式人工智能和自然语言大模型用于问责报告和使用的指南的开发

    ChatGPT, Generative Artificial Intelligence, and Natural Large Language Models for Accountable Reporting and Use Guidelines (CANGARU) initiative aims to establish consensus and guidelines for the ethical use, disclosure, and reporting of Generative AI, Generative Pre-trained Transformers, and large language models in academia.

    Jul, 2023

  • 运用大型语言模型通过人工智能生成科学本体朝下一代城市决策支持系统 -- 优化联运货运案例

    利用预训练的大型语言模型（LLMs）和 ChatGPT API 作为推理核心，通过自然语言处理、基于方法论的提示调整和 Transformer 技术，自动化创作基于场景的本体论文、都市数据集和模拟技术手册，生成知识图谱，以促进都市决策支持系统的发展。

    May, 2024

  • 欧盟法律中的生成人工智能：责任、隐私、知识产权和网络安全

    生成式人工智能和大型语言模型的出现标志着人工智能领域的范式转变。本文分析欧盟背景下产生式人工智能和大型语言模型的法律和监管影响，着重分析责任、隐私、知识产权和网络安全等方面。它批判性地审视现有和拟议的欧盟立法，包括《人工智能法案（AIA）》草案，以应对生成式人工智能和大型语言模型所带来的独特挑战。本文确定了立法框架中的潜在差距和不足，并提出建议，以确保生成模型的安全合规部署，使其与欧盟不断演变的数字环境和法律标准保持一致。

    Jan, 2024

  • 朝向高效的生成式大型语言模型服务：从算法到系统的调研

    人工智能中生成式大型语言模型的高效部署方法的综述

    Dec, 2023

  • 面向 AI 支持的知识发展环境的思想生成和测试

    通过使用机器学习和大型语言模型，本论文介绍了一种知识工作者系统 Generate And Search Test，该系统能够高效地创建以前需要专家合作才能完成的解决方案。同时探讨了生成型人工智能和搜索引擎如何提供创意和验证事实、逻辑和语境，以消除人为偏见。

    Jul, 2023