gpt-4 | BriefGPT - AI 论文速递

关键词gpt-4

搜索结果 - 240

一项改进的道德图灵测试中对人工智能代理的归因
人们对人工智能系统的道德评价是否与人类生成的道德评价相似的问题对于人工智能的进展具有重要意义。我们进行了一项改编自 Allen 等人（2000）提议的改进型道德图灵测试（m-MTT），通过要求参与者区分真实的人类道德评价和由一个流行的先进
PDF3 months ago
揭示 LLM 在时间数据上的不同归纳偏见
大型语言模型（LLMs）在理解并处理时间动态方面仍面临巨大挑战，本研究通过对 GPT-3.5 和 GPT-4 模型在分析时间数据时的性能评估，揭示了它们之间的差异和为特定时间关系偏向的倾向，而这种模型间的持续差异突显了 LLMs 的归纳偏见
PDF3 months ago
SIGIRLLM 能掌握数学吗？研究大型语言模型在数学 Stack Exchange 上
本研究通过分析 GPT-4 在回答数学问题中的表现，探讨了大型语言模型在复杂的数学问题解决中的局限性和不足，为未来人工智能驱动的数学推理的研究和进展奠定了基础。
PDF3 months ago
BioMedLM：训练于生物医学文本的 27 亿参数语言模型
BioMedLM, a 2.7 billion parameter GPT-style autoregressive model trained on PubMed, demonstrates competitive performance
PDF3 months ago
大型语言模型是语法错误修正的最先进评估器
研究发现大型语言模型（LLMs）在语法错误纠正（GEC）评估中表现优异，特别强调了流畅度作为评估标准的重要性。
PDF3 months ago
COLING基于 X-AMR 的跨文档线性事件共指消解
本研究通过引入事件图的图形化表示 X-AMR 以及使用一种新型的多跳共指算法简化了事件共指消解，从而使其成为 LLM 成本效益高、可组合和可解释的，并且易于注释，进一步使用 GPT-4 与人类进行比较评估，分析了其局限性，旨在推进有效的事件
PDF3 months ago
GPT-4 在至少跟人类一样理解语篇
GPT-4 与人类在标准化的议论理解测试中表现相近，都对故事中暗含的信息具有强大的推理能力。
PDF3 months ago
利用大型语言模型进行基于 OntoClean 的本体修正
本研究探讨了将大型语言模型（LLMs）如 GPT-3.5 和 GPT-4 整合到本体修正过程中，特别关注 OntoClean 方法论。研究通过采用两种提示策略的 LLMs，证明了在标注过程中可以获得高准确性，并提出了开发插件软件以促进本体工
PDF3 months ago
使用大型语言模型自动提取雇佣仲裁判决中的信息
这篇论文通过对英国雇佣法庭（UKET）案件中使用 GPT-4 进行自动信息提取的综合研究，展示了语言模型在法律信息提取方面的高精度和潜力，并对工具开发提供了指导。
PDF4 months ago
AraTrust: 评估阿拉伯语 LLM 的可信度
提出了第一个全面的阿拉伯语语言模型信任度基准 ——AraTrust，其中包含了多个方面的真实性、伦理、安全性、身体健康、心理健康、不公正、非法活动、隐私和冒犯性语言的 516 道人工多项选择题。通过引入 AraTrust，旨在促进共同努力，
PDF4 months ago
评估大型语言模型在编程教育中生成反馈的应用
该研究探讨了大型语言模型（特别是 GPT-4）在提升编程教育方面的应用。该研究介绍了一个利用 GPT-4 设计的网页应用，用于对编程任务提供反馈，但不提供解决方案。该网页应用在一个学期内进行了 51 名学生的评估，结果显示 GPT-4 生成
PDF4 months ago
GPT-4 是否能运行 DOOM？
GPT-4 能够运行和玩第一人称射击游戏《毁灭战士》（Doom），无需训练而依靠自身的推理和观察能力，但仍需要进一步研究才能与传统强化学习方法相媲美。希望通过此研究拓展基于大型语言模型的智能代理在视频游戏中的应用，并讨论了相关的伦理问题。
PDF4 months ago
COLING最小人工投入快速开发大型语言模型的高质量指导数据和评估基准：以日语为例的案例研究
我们提出了基于 GPT-4 的高效自指导方法，通过翻译少量英语指令并进行修订，为日语构建高质量的指令数据和评估基准，并证明使用我们的 GPT-4 自指导数据进行微调的模型在所有三个基本预训练模型上表现明显优于 Japanese-Alpaca
PDF4 months ago
LM4OPT: 大型语言模型在数学优化问题制定中的潜力揭示
在自然语言处理领域，通过将语言描述转化为数学优化问题的数学表达式是一个具有挑战性的任务，本研究比较了 GPT-3.5、GPT-4 和 Llama-2-7b 等重要的大型语言模型在零射和单射设置下的性能，结果表明 GPT-4 在单射场景中表现
PDF4 months ago
少样本公平性：揭示 LLM 对公平感知分类的潜力
利用大型语言模型（LLM）在各种下游应用中进行分类等工作至关重要，通过公平性可以确保包容性，基于种族、性别等因素实现平等代表和促进负责任的人工智能部署。本研究引入了一个框架来概述与各种公平性定义相一致的公平性规定，每个定义均由不同程度的抽象
PDF4 months ago
COLING基于算法问题的 GPT-4 评测：对提示策略的系统评估
GPT-4 在具有可控问题难度的三个算法任务中通过先进的提示技术展现了优越的准确性，证明了先进的大型语言模型在需要系统化泛化的挑战性任务中具备很强的基准性能。
PDF4 months ago
在众包数据注释流水线中使用 GPT-4
对 GPT-4 和 MTurk 管道进行了比较，结果显示，尽管在最佳实践的情况下，MTurk 管道的最高准确率为 81.5％，而 GPT-4 达到了 83.6％。有趣的是，当结合 GPT-4 的标签与通过高级工人界面收集的众包标签进行聚合时
PDF4 months ago
使用 GPT-4 生成的描述性提示，在多模态医学图像上提高 SAM 零样本性能
该研究开发和评估了一种新的多模态医学图像零样本分割算法，名为文本 - 视觉提示 SAM（TV-SAM），无需任何手动注释。该算法利用大型语言模型 GPT-4、视觉语言模型 GLIP 和段落与图像模型 SAM，从医学图像中自动生成描述性文本提
PDF4 months ago
最新 GPT 模型的人工评估 -- 2024
使用 GPT-4 模型改进程序综合，通过与 Huamn Eval 连接的代码库展示了在 Python 代码生成上与先前最先进的解决方案相比具有竞争力的性能，同时促进了多步骤范式综合。
PDF5 months ago
大型语言模型能否用于心理咨询？使用角色扮演对话分析 GPT-4 生成的回应
通过角色扮演情景中，由专家心理咨询师提供咨询对话的数据，标注咨询师的意图，并通过第三方咨询师的评估，发现 GPT-4 生成的回答在咨询对话数据中与人类咨询师的回答具有竞争力。
PDF5 months ago