使用大型语言模型（LLMs）在无需昂贵的训练数据集的零射击设置中检测在线话语中的疫苗关注点，分析了不同提示策略的成本和准确性权衡，结果显示 GPT-4 可以在 VaxConcerns 数据集上显著优于众包工作者准确率，获得 78.7% 的整体 F1 分数。

Feb, 2024

疫苗接种在社交媒体上引发了多种不同的公众意见，本研究评估了基于大型语言模型的 ChatGPT 用于情感分析，以识别人乳头瘤病毒（HPV）疫苗接种的不同立场，结果表明 ChatGPT 在分析社交媒体上的公众意见方面具有潜力，但需要在特定公共卫生背景下了解语言模型的特点和限制。

Apr, 2024

构建一个有效的多标签分类器，根据社交媒体帖子（尤其是推文）作者表达的特定疫苗相关担忧，对其进行标签化，比较三种不同的模型，其中 Supervised BERT-large-uncased 模型效果最佳。

Dec, 2023

本论文旨在通过建立一个基于强化学习的生成式文本模型 MisinfoCorrect 来有效地纠正不实信息，在社交媒体和众包数据的基础上，创造了两个新的数据集，并通过定量和定性评估证明了该模型可以生成高质量的反驳回复，提高了礼貌性，事实性和反驳态度。

Mar, 2023

评估最近由 OpenAI 推出的定制化 GPT 模型的潜力，开发了针对 Comillas 大学学生的商务统计虚拟教授（BSVP），通过与 ChatGPT-4 Turbo 进行比较评估其表现，发现在交流方式上表现出较多的亲和力和幽默感，能够提供超越 ChatGPT-4 Turbo 能力范围的响应，但响应时间普遍较长，并未在总体性能、质量和与课程内容的对齐方面观察到显著差异，定制助手作为虚拟学习辅助工具在学生中具有优势，但并未对 ChatGPT-4 Turbo 构成实质性的改进。

Nov, 2023

应对疫苗相关的多样化担忧，本文通过多种先进的自然语言处理技术和机器学习算法，包括 BERT、GPT 3.5、分类器链和传统方法如 SVM、随机森林、朴素贝叶斯，开发了一种强大的多标签分类器，能够根据与疫苗相关的担忧指定特定的关注标签。研究发现，尖端的大型语言模型在这个领域的表现超越其他方法。

Dec, 2023

本研究评估了使用大型语言模型（例如 GPT-4）和弱监督来识别 COVID-19 疫苗相关的推文，以与人工注释者的性能进行比较。通过手动筛选的黄金标准数据集，利用 GPT-4 在无须额外微调或指示的情况下提供标签，在单次模式下进行分析。

Sep, 2023

大语言模型为生成会话代理带来了重大进展，使得在各种话题上实现无缝、情境相关的对话成为可能。然而，现有的以语言模型为驱动的对话代理拥有固定的个性和功能，限制了它们适应个人用户需求的能力。通过创建具有特定专长或特点的个性化代理人物，可以解决这个问题。尽管如此，我们对人们如何定制和与代理人物互动缺乏了解。在这项研究中，我们调查了用户如何定制代理人物以及其对互动质量、多样性和动力的影响。为此，我们开发了 CloChat，这是一个支持在大语言模型中轻松准确地定制代理人物的接口。我们进行了一项研究，比较了参与者如何与 CloChat 和 ChatGPT 互动。结果表明，参与者与定制代理人物建立了情感纽带，进行了更加动态的对话，并表现出对维持互动的兴趣。这些发现为未来使用大语言模型的对话代理系统的设计提供了启示。

Feb, 2024

本文介绍了使用生成模型（GPT-2）探索公众对 COVID-19 和疫苗相关公共卫生信息潜在接受度的预测方法，并引入了一种新颖的评估方案。

Apr, 2022

作者介绍了一种名为 Common Ground 的新方法，用于解决问答模型在获取对话信息时的困难，并表明此方法相较于已有方法具有更高的效率和人类风格，从而提升了开放域对话问答的表现。

Apr, 2022