Jun, 2024

基于 GPT 的需求工程培训引导面试脚本生成器

PDF
TL;DR为了解决需求工程培训中教学材料匮乏的问题，本研究开发了一种专用的 GPT 代理人用于自动生成面试脚本，并通过标准的自然语言生成评估指标和专家判断研究来确认其在需求工程培训中的适用性。
requirements elicitationinterviewstraining methodsinterview scriptsgpt agent
发现论文，激发创造
  • ChatGPT 在需求信息检索中的初步评估

    本文通过对 ChatGPT 在需求分析任务上的表现进行实证评估，探讨生成式大语言模型在自然语言处理领域对需求工程的影响，结果显示 ChatGPT 在多语言多类型需求文档检索上表现出令人惊叹的能力。

    Apr, 2023

  • 运用 GPT-3 驱动教学代理系统培养儿童的好奇心提问技能

    本研究借鉴自然语言处理和大型语言模型相结合的方法，采用自然文本提示来制作课程内容，有效提高了儿童好奇心问题的生成能力，同时发现开放式训练内容更适合培养好奇心问题发现的技能。

    Nov, 2022

  • 利用 ChatGPT 提示模式改善代码质量、重构、需求引出和软件设计

    本文介绍了利用大型语言模型 (ChatGPT) 自动化软件工程活动，如确保代码与第三方库解耦和模拟 Web 应用程序 API 的快速设计技术。该文提供了解决软件工程中常见问题的模式目录，并探讨了几个应用模式以改善需求概述、快速原型、代码质量、重构和系统设计。

    Mar, 2023

  • 搜索提示：从合同生成结构化答案

    通过使用 OpenAI 的 GPT-3.5-Turbo，我们提出了一种基于模板的法律问题回答方法，采用探索方法论，并通过定性实验结果比较我们的方法与常见的语义匹配方法，发现尽管准确性较低，但我们的模板提示更加准确。通过对提示的进一步调整和上下文学习的使用，我们能够进一步提高我们的方法的性能和可靠性。

    Oct, 2023

  • 提示工程对 ChatGPT 在无监督实体解析中的影响

    通过对 prompting 方法在 Entity Resolution 中的效果进行系统实验研究，本论文发现 prompting 方法对 Entity Resolution 的质量有重要影响，部分评估指标更加敏感，同时也受到数据集的影响。

    Oct, 2023

  • 英语作为外语中学生通过 ChatGPT 完成写作任务的案例

    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

  • 利用 LLM 代理生成合成对话数据集

    通过目标导向的对话式代理生成线性对话样本，实现与用户的对话以获取所需的线性模型信息，并通过人工和自动评估，包括使用 GPT-4 模仿人工评估指标的评估方法，验证对话的高质量性。

    Jan, 2024

  • 对话脚本：使用对话代理生成脚本

    使用拥有不同人格特征的 agents, 并采用模拟戏剧网络的方法生成剧本，在多项标准上经过自动和人类评估，显示该方法优于基于 vanilla-GPT2 的基线，并引入新的度量标准来评估对话的一致性，并展示其有效性。

    Jun, 2022

  • 分析 ChatGPT 在计算机工程导论课程中的适应能力

    本文旨在评估人工智能工具 ChatGPT 在计算机工程学科中的表现；研究发现它可以回答关于概念的问题，但由于它是一种文字工具，所以无法处理需要用到图表和手工实验的问题。

    Mar, 2023

  • 一个提示模式目录：用于增强 ChatGPT 的提示工程

    这篇文章介绍了 Prompt 工程技术的目录，包含适用于大型语言模型的多个生产输出和互动方面的工作中的问题的重复使用解决方案。

    Feb, 2023