May, 2024

利用 ChatGPT 诊断与自闭症相关的语言障碍并识别独特特征

PDF
TL;DR本研究探讨了 ChatGPT 作为一种先进的自然语言处理模型在诊断自闭症相关语言障碍方面的应用，通过提高诊断准确性和描述自闭症的特定语言特征，从而优化诊断流程，并与传统的监督学习模型进行了对比，结果显示 ChatGPT 在零样本学习配置下的准确性和 F1 分数均比其他模型提高 13% 以上，展现了其在神经学诊断中的潜力。同时，研究还找到了与自闭症相关的十个不同实验场景下显著变化的语言特征，例如回声言语、代词转位和非典型语言使用等，这些特征对于准确诊断自闭症和定制治疗方案具有重要意义。因此，该研究呼吁在临床实践中采用像 ChatGPT 这样的先进人工智能工具来评估和诊断发育性障碍，为自闭症和类似神经疾病的评估提供更高准确性，并与个体化医疗的目标相一致，从而可以潜在地改变诊断的格局。
language disordersautismdiagnostic accuracylinguistic featuresneurological diagnostics
发现论文，激发创造
  • ChatGPT，还是不 ChatGPT：这是一个问题！

    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

  • 利用大型语言模型（如 ChatGPT 或 GPT-4）作为临床助手的潜力和风险

    在使用真实的大型电子病历数据库进行两项分析后，发现 ChatGPT 和 GPT-4 可以通过思路链和几次提示，准确地完成疾病分类任务，并为卫生保健工作者提供诊断辅助，但是这些模型目前存在错误陈述、忽视重要医学发现、推荐不必要的调查和过度治疗等问题，并伴随有隐私问题，因此仍不适用于现实世界的临床使用。不过，与传统机器学习工作流程的配置相比，这些模型所需的数据和时间较少，突出了它们在卫生保健应用中的可扩展性潜力。

    Jul, 2023

  • 聊天 GPT 在对话中的话语分析潜力：实证研究

    本研究探讨了 ChatGPT 在话语语篇分析中的能力，特别是话题分割、话语关系识别和话语分析三个任务的能力。结合创新的思维链（COT）方法，发现 ChatGPT 对于话题分割有较好的表现，但在话语关系识别和话语分析等较难的任务中有待提高。

    May, 2023

  • ChatGPT 应用于数字取证调查：益处、弊端与未知

    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

  • ChatGPT 在 USMLE 上的表现：揭示大型语言模型为 AI 辅助医学教育的潜力

    本研究评估了使用 ChatGPT 回答医学问题的可靠性，结果发现 ChatGPT 的答案更加上下文相关，代表着较好的演绎推理模型。ChatGPT 等语言学习模型可以成为 e-learners 的宝贵工具，但研究表明还有提高其准确性的空间。

    Jun, 2023

  • 扩展 ChatGPT 的前沿：代码生成和调试

    本研究探讨了 ChatGPT 在解决编程问题方面的有效性，考察了其解决问题的正确性和时间、内存复杂度等效率，研究结果表明 ChatGPT 在结构化问题方面表现出较好的成功率，但其调试任务表现不佳，为 ChatGPT 的能力和改进提供了精辟的了解。

    Jul, 2023

  • ChatGPT 在语言使用上是否与人类相似？

    通过 12 个预注册的实验，我们发现像 ChatGPT 这样的运用大型语言模型的聊天机器人能够在很大程度上模仿人类语言处理，但是他们在一些方面与人类处理方式存在差异，并且可能通过 Transformer 架构来解释这些差异。

    Mar, 2023

  • 利用大型语言模型进行自动对话分析

    这篇论文研究了使用大型语言模型 ChatGPT-3.5 在真实人机对话中执行对话行为检测的能力，并与专门的模型进行对比。研究发现，专门的模型和 ChatGPT 都没有达到令人满意的结果，低于人类表现，但 ChatGPT 显示出了潜在的潜力，并经常超过专门的检测模型。最后，论文深入探讨了 ChatGPT 的主要缺点，并提出了增强 LLM 能力的未来研究的指导。

    Sep, 2023

  • 应用 ChatGPT 进行对话教学的有效性研究：基于脑电图的调查

    最近几年，人工智能技术的迅猛发展，特别是诸如 ChatGPT 等大型语言模型的出现，为教育领域的应用提供了重要前景。然而，对于 LLMs 来有效地履行教学角色以促进学生学习，从而实现与人类教育工作者类似的对话式教学情景，仍然是一个非常有价值的研究课题。本研究招募了 34 名本科生作为参与者，随机分成两组。实验组使用 ChatGPT 进行对话式教学，而对照组与人类教师互动。两组学习了信息相关课程 “数字图像处理” 中的直方图均衡化单元。研究结果显示，两组在记忆测试中得分相当。然而，与 ChatGPT 交互的学生在迁移测试中表现较差。脑电图数据显示，与 ChatGPT 互动的学生展示出更高水平的认知活动，表明 ChatGPT 可以帮助学生建立知识基础并刺激认知活动。然而，它在促进学生知识应用和创造力方面的优势不显著。基于研究结果，可以明确 ChatGPT 在信息相关课程的对话式教学中不能完全胜任教学任务。结合 ChatGPT 与传统人类教师可能是更理想的方法。两者的协同使用可以为学生提供更全面的学习支持，从而提高教学质量。

    Mar, 2024

  • 在药物监测事件提取中利用 ChatGPT 的实证研究

    探索大型语言模型 (LLMs) 在医学应用方面的潜力，特别是在药物监测事件提取方面的 ChatGPT 的能力。我们进行了广泛的实验，评估了 ChatGPT 在药物监测事件提取任务中的性能，并采用了各种提示和演示选择策略。研究结果表明，虽然 ChatGPT 在适当的演示选择策略下表现出了合理的性能，但与完全微调的小型模型相比仍然有所不足。此外，我们探索了利用 ChatGPT 进行数据增强的潜力。然而，我们的研究发现将合成数据引入微调可能会导致性能下降，可能是由于 ChatGPT 生成的标签中存在噪声。为了减轻这个问题，我们探索了不同的过滤策略，并发现在适当的方法下可以实现更稳定的性能，尽管不断改进仍然具有挑战性。

    Feb, 2024