利用大型语言模型从文本保单生成智能健康保险合同
通过系统评估大型语言模型在智能合约代码生成方面的质量，研究发现生成的智能合约存在安全漏洞以及代码质量和正确性受到影响，但也提出了改进过程、质量和安全性的多个潜在研究方向。
Aug, 2023
通过我们进行的持续研究，本文对利用LLMs挖掘智能合约中的漏洞的机遇、挑战和潜在解决方案进行了系统分析。我们提出了一种对抗性框架GPTLens，通过将传统的一阶段检测分为两个协同的阶段——生成和判别，以实现渐进检测和微调。GPTLens是直观的、策略性的，完全依靠LLM驱动，展示了其方法的普遍性和发现广泛漏洞的潜力。
Oct, 2023
MazzumaGPT是一种经过优化、可生成智能合约代码的大型语言模型，旨在帮助开发人员构建Web3应用并提高生产力。本研究介绍了模型的优化和微调参数，评估了其在功能正确性上的性能，并讨论了我们研究的局限性和广泛影响。
Oct, 2023
大型语言模型在医疗领域的利用引发了劲头和担忧，本文概述了目前开发的大型语言模型在医疗保健方面的能力，并阐明它们的发展过程，旨在提供从传统预训练语言模型（PLMs）到大型语言模型（LLMs）的发展路线图的概览。总的来说，我们认为正在进行一次重大的范式转变，从PLMs过渡到LLMs，这包括从辨别式人工智能方法向生成式人工智能方法的转变，以及从以模型为中心的方法论向以数据为中心的方法论的转变。
Oct, 2023
通过将两个不同的大型语言模型融合到一个统一的框架中，我们的研究展示了 SolMover 的先驱性方法，它能够理解编码原则并将此理解应用于将智能合约从 Solidity 转化为资源有限的 Move 语言。通过实证实验，我们的研究结果表明 SolMover 大大提升了性能，并且在缺乏规划能力的第二个语言模型中具备编码专长，使其在代码质量方面取得了优异的成果。同时，我们的分析突出了在 SolMover 框架之外，我们所采用的错误缓解策略在提升代码质量方面的效力。
Mar, 2024
在精密型行业中，通过对大型语言模型的调查，本文详细探讨了这些模型的方法、应用、挑战和未来机遇，并强调了大型语言模型在医疗保健、金融和法律领域中提高诊断和治疗方法、创新金融分析和完善法律解释和遵从策略方面的重要作用。此外，我们还对这些领域中大型语言模型应用的伦理问题进行了批判性检查，并指出了现有的伦理关切和尊重监管规范的透明、公正和强大的人工智能系统的需求。通过对当前文献和实际应用的全面综述，我们展示了大型语言模型的变革性影响，并勾勒了跨学科合作、方法论进步和伦理警觉的必要性。通过这种视角，我们旨在引发对话，激励未来致力于最大化大型语言模型的利益并降低其在这些精密型行业中的风险的研究。为了促进对这一主题中大型语言模型的未来研究，我们还提供了一个阅读列表，跟踪该主题下的最新进展，链接如下：https://github.com/czyssrs/LLM_X_papers。
May, 2024
利用大型语言模型，本研究提出了PropertyGPT系统，该系统可以通过生成可编译、适当且可验证的自定义属性来检测代码缺陷和安全漏洞，实验结果显示其能够生成高质量的属性，相较于真实情况，其召回率达到80％。
May, 2024
综述医疗大型自然语言模型（Med-LLM）的进化历史、技术、应用以及对医疗保健的影响，涵盖临床决策支持、报告生成、医学教育等方面，探索其潜力和限制，并讨论公平性、责任感、隐私保护和鲁棒性等挑战，展望未来的发展方向。
Jun, 2024
在不断发展的医疗保健领域中，安全的数据管理和有效的数据共享变得至关重要。本文提出了一种基于混合的检索增强生成（RAG）增强的医疗保健数据管理的多模跨链结构，通过使用多模度量来过滤各种单模RAG结果，并将这些检索结果作为附加输入融入到MLLMs中，从而提高了MLLMs的输出质量。同时使用更新度的评估以间接评估MLLMs对数据新鲜度的影响，并利用契约理论激励医疗保健数据持有者共享新鲜数据，减轻数据共享中的信息不对称，最后，利用基于生成扩散模型的强化学习算法来识别高效数据共享的最佳契约。数值结果证明了所提出的方案的有效性，实现了安全和高效的医疗保健数据管理。
Jul, 2024
通过分析大型语言模型在以太坊区块链上创建不可变的Solidity智能合约的应用，本研究旨在对以前的作品进行扩展，以包括对安全性和效率至关重要的程序的分析。研究假设大多数大型语言模型在严格实现代码的安全细节方面可能存在困难，但在许多常见类型的合约中却取得了出乎意料的成功。此外，我们还发现了一种通过新的提示策略生成智能合约的新颖方法。
Jun, 2024