- 生成式人工智能提升团队绩效并减少对传统团队的需求
近期生成人工智能在协作工作流程中的应用取得了重大进展，对团队绩效的影响仍未被充分探索。本研究通过一项随机对照实验，在 122 支团队的 435 名参与者中研究了生成人工智能在增强或取代传统团队动态中的作用。研究结果表明，在各种绩效指标上，增 - 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 harne - 利用生成人工智能的迷惑流体动态展示
我们对几个知名公司推出的生成式人工智能应用程序的输出准确性进行了全面调查，发现这些应用在描述流体力学领域常见的流体运动现象时存在着不足，可能会产生误导性的结果。这份报告向学术机构的教育者提出了一个警示，强调这些工具可能误导学生，并鼓励这些著 - 文本模型：基于文本条件的神经网络扩散用于一次性训练的个性化
通过研究 train-once-for-all 个性化场景，本文调查了生成人工智能（GenAI）的文本到模型生成能力，以探讨其是否能理解内嵌在 AI 参数中的超级级别知识。作者提出了 Tina，一个基于文本的神经网络扩散模型，以实现 tra - 生成人工智能：新教育的力量
提供一种加速学习方法来教授 AI，以便让学生更好地理解和利用 AI 在科学、技术、工程和数学等领域中的伦理用途和风险，并深入了解学生对 AI 的认知和其在社会和未来职业道路中的重要性。
- 泛模态信息交互
生成式人工智能正在改变信息交互，对搜索引擎进行全面的改进以支持多种搜索和聊天交互方式是一个重要研究领域。
- 在教育和评估应用中探索提示式大型语言模型的能力
利用大语言模型在现代教育领域创新的机会，通过研究提问型大语言模型、语法错误解释和人力资源面试评估，揭示了大语言模型在改变教育实践中的潜力和限制。
- 人工智能安全：一代新的生成式人工智能和控制系统安全的后裔
泛人工智能与人类的互动达到了前所未有的规模，为巨大的积极影响提供了新途径，但也引发了广泛关注，担忧其对个体和社会可能造成的伤害。本文中，我们认为，对这些人工智能技术的有意义的安全保证只能通过思考人工智能输出与人类行为之间形成的反馈循环如何推 - 建立统一的人体动作生成评估框架：指标的比较分析
发展用于人类动作生成的生成式人工智能迅速扩展，需要一个统一的评估框架。本文详细评述了八种用于人类动作生成的评估指标，突出其独特特点和不足之处。我们提出了一种标准化实践，通过一个统一的评估设置来促进一致的模型比较。此外，我们引入了一种新的度量 - 边缘智能优化大型语言模型推断 —— 批处理和量化
通过部署批处理技术和资源有限的边缘设备上的模型量化，我们在此论文中提出了一种针对基于 Transformer 解码器的大语言模型推断的边缘智能优化问题，旨在通过批处理调度和通信、计算资源的联合分配来最大化推断吞吐量，同时考虑边缘资源约束和不 - ChatGPTest：利用人工智能进行问卷预测试的机遇与警示
这篇论文探讨了使用生成人工智能模型进行问卷预测试的有效工具，并强调研究人员在解释和实施人工智能生成的反馈时的不可或缺的角色。
- ChatSOS：增强安全工程的矢量数据库生成问答助手
通过开发一个向量数据库，该研究证明外部数据库对大型语言模型具有补充作用，提高了可靠性、准确性和全面性，并改善了回答的适应性和解释能力，展示了大型语言模型在安全工程中处理专业问题的潜力，为更广泛的应用奠定了基础。
- A2-DIDM：面向分布式 DNN 模型的隐私保护累加器辅助审计
通过配置零知识证明的模型权重检查点来记录身份和保证正确性的 A2-DIDM 模型提出了一种累加器启用的分布式 DNN 模型身份审计方法，同时利用区块链和零知识技术保护数据和函数隐私，并保证轻量级链上验证。
- 人工智能在青少年互助中的作用：对人工智能生成和人工生成应答的偏好研究
人工智能在社交媒体中的使用对年轻人的自我表达、人际关系和身体健康等问题提供了帮助，但在涉及敏感话题如自杀时，年轻人更青睐于人类回应。该研究还探讨了在线同伴支持交流的培训作用以及对支持年轻人福祉的意义。
- 稳定扩散数据集生成用于下游分类任务
在最近的生成人工智能的进展中，我们利用稳定扩散 2.0 模型来生成合成数据集，通过迁移学习、微调和生成参数优化技术改善了数据集在下游分类任务中的效用，我们提出了一种条件类别版本的模型，利用类编码器和关键生成参数的优化。使用我们的方法，在三分 - 医疗领域生成型大型语言模型人工评估的文献综述与框架
该研究回顾了健康医疗领域中基于大型语言模型的人工智能生成文本的人工评估方法，并使用 QUEST 框架提出了一个标准化和统一的人工评估方法，旨在提高可靠性和适用性。
- AI 在电子游戏中生成用户内容的音频
在视频游戏设计中，音频（包括环境背景音乐和物体音效）起着关键作用。我们探索了使用生成式人工智能根据用户生成的内容实时创建音乐和音效的方法，并讨论了使用生成式人工智能对用户生成内容进行音频生成的伦理问题。
- 软件开发者在生成式人工智能应用中的法律问题
近年来，生成人工智能（GenAI）取得了一系列的成功，能够生成高质量的代码、自然语言和图像。接下来的任务是将 GenAI 技术整合到产品中，这是软件开发人员通常进行的任务。在本文中，我们着重介绍了两种与产品开发涉及的风险：数据保护和版权问题 - 生成 AI 版权挑战的经济解决方案
我们提出了一个框架，通过依靠现代生成型人工智能模型的概率性质和经济学中的合作博弈理论技术，按比例向版权所有者补偿其对人工智能生成内容的贡献，实现对生成型人工智能版权的解决。实验证明，我们的框架成功地识别了艺术品生成中使用的最相关的数据源，确 - 真实世界中的 AI 生成面孔：一项关于 Twitter 头像的大规模案例研究
人工智能的生成性进展使真实和机器生成的内容之间的界限变得模糊，尤其在社交媒体上使用 AI 生成的图片来伪造个人资料。我们进行了首次大规模调查，研究发现 Twitter 上的 AI 生成头像占总头像数量的 0.052％。我们对这些账户及其推文