Breaking the Bank with ChatGPT: Few-Shot Text Classification for Finance
Athens University of Economics and Business(雅典经济与商业大学)
本研究针对金融领域少样本文本分类,提出基于GPT-3.5/4的上下文学习方案,同时用SetFit微调掩码语言模型取得SOTA,验证了生成式模型的少样本优势及专家选样本的增益,为标签有限的金融文本分类提供实用方案。
2023-08-28 cs.AI cs.CL cs.LG
ChatGPT: Jack of all trades, master of none
Wrocław University of Science and Technology(弗罗茨瓦夫理工大学)
本研究通过自动化流程测试ChatGPT在25类NLP任务及GPT-4在5个子集上的表现,发现ChatGPT零样本/少样本性能较SOTA平均下降约25%,任务越难下降越显著,同时验证了少样本个性化的效果并揭示了模型偏见。
2023-06-09 cs.AI cs.CL cs.CY
RecGPT: Generative Personalized Prompts for Sequential Recommendation via ChatGPT Training Paradigm
Gaoling School of Artificial Intelligence, Renmin University of China(中国人民大学高瓴人工智能学院);Peking University(北京大学);Kuaishou Technology(快手科技);Unaffliated(无所属机构)
该研究借鉴ChatGPT对话模式与两阶段训练范式,提出面向序列推荐的RecGPT框架,通过个性化用户模块、提示微调及多兴趣自回归召回实现推荐,经离线与在线实验验证了有效性。
2024-04-06 cs.AI cs.CL cs.IR
GPTEval: A Survey on Assessments of ChatGPT and GPT-4
Nanyang Technological University(南洋理工大学);Central China Normal University(华中师范大学);University of Surrey(萨里大学)
本综述全面分析了先前对ChatGPT和GPT-4在语言推理、科学知识与伦理方面的评估,审查现有评估方法并为未来大型语言模型研究提出建议。
2024-12-24 cs.AI cs.CL
ChatGPT v.s. Media Bias: A Comparative Study of GPT-3.5 and Fine-tuned Language Models
Shenzhen College of International Education(深圳国际交流学院);Duke University(杜克大学)
本研究利用 MBIB 基准比较 ChatGPT 与微调模型在六类媒体偏见检测上的表现,发现 ChatGPT 在仇恨言论和文本级语境偏见上表现相当,但在假新闻、种族、性别和认知偏见等细微检测上存在困难。
2024-03-29 cs.AI cs.CL
Comparative Analysis of Drug-GPT and ChatGPT LLMs for Healthcare Insights: Evaluating Accuracy and Relevance in Patient and HCP Contexts
本研究在医疗问答场景下比较了 Drug-GPT 3、Drug-GPT 4 和 ChatGPT,发现基于患者和 HCP 社交媒体精选数据集的 Drug-GPT 模型比特通用 ChatGPT 提供更具针对性和深度的见解。
2023-07-24 cs.AI cs.CL
Are ChatGPT and GPT-4 Good Poker Players? -- A Pre-Flop Analysis
UC Berkeley(加州大学伯克利分校)
本文通过翻牌前分析评估 ChatGPT 和 GPT-4 的扑克能力,发现二者虽理解 GTO 概念,但均非最优玩家;GPT-4 更高级且激进,ChatGPT 保守,策略各有缺陷。
2023-12-21 cs.AI cs.CL cs.GT
Are ChatGPT and GPT-4 General-Purpose Solvers for Financial Text Analytics? A Study on Several Typical Tasks
J.P. Morgan AI Research(摩根大通人工智能研究院)
本研究通过八个基准数据集实证评估 ChatGPT 和 GPT-4 在金融文本分析任务上的性能,对比微调与领域预训练模型,揭示其优势与局限,为金融 NLP 应用提供参考。
2023-10-10 cs.AI cs.CL
GPT vs Human for Scientific Reviews: A Dual Source Review on Applications of ChatGPT in Science
Brown University(布朗大学)
该研究通过人类与SciSpace综述13篇跨领域GPT论文,并由GPT-3.5、众包小组和GPT-4评价,比较LLM与人类科学综述的优劣。
2023-12-05 cs.AI cs.CL
Can GPT models be Financial Analysts? An Evaluation of ChatGPT and GPT-4 on mock CFA Exams
Queen’s University(女王大学);Virginia Tech(弗吉尼亚理工大学);J.P. Morgan AI Research(摩根大通人工智能研究院)
本研究通过模拟CFA考试评估ChatGPT和GPT-4的金融推理能力,涵盖零样本、思维链和少样本场景,分析其性能与局限,并探讨提升LLMs在金融领域适用性的策略。
2023-10-12 cs.AI cs.CL q-fin.GN
Generative AI for Programming Education: Benchmarking ChatGPT, GPT-4, and Human Tutors
MPI-SWS(马克斯·普朗克软件系统研究所);Microsoft(微软公司);TU Wien(维也纳技术大学)
该研究系统性评估了ChatGPT和GPT-4在多种Python编程教育场景中的表现,发现GPT-4大幅优于ChatGPT且接近人类导师水平,并指出了其仍需改进的方向。
2023-08-01 cs.AI cs.CL cs.CY
Translating Radiology Reports into Plain Language using ChatGPT and GPT-4 with Prompt Learning: Promising Results, Limitations, and Potential
Wake Forest University School of Medicine(维克森林大学医学院);Rensselaer Polytechnic Institute(伦斯勒理工学院);Puente Solutions LLC(普恩特解决方案有限责任公司)
本研究验证了ChatGPT和GPT-4将放射学报告翻译为通俗语言的可行性,发现其平均评分4.27且GPT-4质量更优,同时指出随机性和信息遗漏等局限,证明大语言模型在临床教育中具有应用潜力。
2023-03-29 cs.AI cs.CL physics.med-ph
Comparative Analysis of ChatGPT, GPT-4, and Microsoft Bing Chatbots for GRE Test
Thornton Tomasetti, Inc.(Thornton Tomasetti 公司);Yarmouk University(耶尔穆克大学);Ministry of Municipal Affairs(市政事务部);Jordan University of Science and Technology(约旦科技大学)
本文以GRE为案例,用137道定量推理题和157道语言题比较Bing、ChatGPT与GPT-4,发现GPT-4综合表现最佳,并讨论其备考价值与在线考试公平性。
2024-04-06 cs.AI cs.CL
A Wide Evaluation of ChatGPT on Affective Computing Tasks
University of Augsburg(奥格斯堡大学);SyncPilot GmbH(SyncPilot有限公司);Nanyang Technological University(南洋理工大学);Imperial College London(伦敦帝国学院)
本研究评估了GPT-3.5、GPT-4在13类情感计算任务上的能力,提出将回归类任务转化为成对排序分类的评估框架,发现其在多数情感相关任务上表现优异,但在隐含信号类任务上存在不足。
2023-08-26 cs.AI cs.CL
Is ChatGPT A Good Translator? Yes With GPT-4 As The Engine
Tencent AI Lab(腾讯人工智能实验室)
本文从提示、多语言翻译和鲁棒性评估 ChatGPT,发现 GPT-4 显著减少幻觉与误译,并借助 pivot prompting 改善远缘语言翻译,使其达到商业翻译产品水平。
2023-11-02 cs.CL
Can ChatGPT Replace Traditional KBQA Models? An In-depth Analysis of the Question Answering Performance of the GPT LLM Family
Southeast University(东南大学)
本文通过CheckList黑盒测试框架,在约19万个测试用例上系统评估GPT LLM家族在八个复杂知识问答数据集上的表现,并与FLAN-T5对比,分析其能否取代传统KBQA模型。
2023-09-20 cs.CL
GPTAraEval: A Comprehensive Evaluation of ChatGPT on Arabic NLP
The University of British Columbia(不列颠哥伦比亚大学);MBZUAI(穆罕默德·本·扎耶德人工智能大学)
本研究首次全面评估了ChatGPT在阿拉伯语NLP上的表现,涵盖44项任务和60多个数据集,发现其在阿拉伯语上不及微调过的小模型,并揭示了其处理方言的局限性。
2023-10-21 cs.CL cs.LG
"Only ChatGPT gets me": An Empirical Analysis of GPT versus other Large Language Models for Emotion Detection in Text
LIRMM UM5506 - CNRS, Université de Montpellier(蒙彼利埃大学、法国国家科学研究中心联合LIRMM UM5506实验室)
本文实证比较了 GPT 与其他大型语言模型在 GoEmotions 数据集上的文本情绪检测能力,发现 GPT 表现突出,为提升人机交互中的情感理解提供了依据。
2025-03-05 cs.AI cs.CL
Large Language Models in Cryptocurrency Securities Cases: Can a GPT Model Meaningfully Assist Lawyers?
University College London(伦敦大学学院);Tilburg University(蒂尔堡大学);University of Leeds(利兹大学)
本文首次系统研究 GPT-3.5 和 ChatGPT 在加密货币证券案件中的法律推理与文书起草能力,发现 GPT-3.5 推理较弱但 ChatGPT 起草表现较好且未显著影响陪审员决策,表明当前 LLM 可辅助起草但难以胜任法律推理。
2024-02-22 cs.AI cs.CL
Speak, Memory: An Archaeology of Books Known to ChatGPT/GPT-4
University of California, Berkeley(加州大学伯克利分校);Emory University(埃默里大学)
本研究利用名称填空成员推理查询推断ChatGPT和GPT-4记忆的书籍,发现其记忆程度与网络频率相关,并指出这会污染测试数据影响文化分析评估,从而呼吁采用训练数据公开的开放模型。
2023-10-20 cs.CL
Table-GPT: Table-tuned GPT for Diverse Table Tasks
Microsoft Corporation(微软公司)
本文提出“表格微调”范式,通过真实表格合成的任务微调GPT-3.5等语言模型,得到Table-GPT,在多样表格任务上优于原模型,并具备强泛化能力。
2023-10-13 cs.AI cs.CL cs.DB
Consistency Analysis of ChatGPT
University of Oxford(牛津大学);Vienna University of Technology(维也纳工业大学)
本研究分析ChatGPT和GPT-4在逻辑一致性上的表现,发现它们虽具较强语言理解力,但仍常产生不一致预测,且提示设计、少样本学习及更大模型难以彻底解决该问题。
2023-11-14 cs.AI cs.CL
An empirical evaluation of using ChatGPT to summarize disputes for recommending similar labor and employment cases in Chinese
National Chengchi University(国立政治大学)
本研究提出基于逐项争议点聚类与余弦相似度的劳动案件相似推荐混合机制,验证了用GPT系列生成争议点替代法院整理内容的效果,为大模型在法律案件推荐场景的应用提供参考。
2024-09-14 cs.AI cs.CL
A Survey of GPT-3 Family Large Language Models Including ChatGPT and GPT-4
Akmmus AI(Akmmus人工智能公司)
本文综述了包括 ChatGPT 和 GPT-4 在内的 GPT-3 家族大型语言模型,介绍了基础概念,并全面评估了其在多任务、多领域的表现、数据能力及鲁棒性,为未来研究提供方向。
2023-10-04 cs.CL
Testing the Depth of ChatGPT's Comprehension via Cross-Modal Tasks Based on ASCII-Art: GPT3.5's Abilities in Regard to Recognizing and Generating ASCII-Art Are Not Totally Lacking
Inpleo(因普雷奥公司)
本研究通过ASCII艺术视觉任务测试GPT3.5的理解深度,发现其在识别和生成ASCII艺术方面并非完全无能,揭示了多模态能力的局限与潜力。
2024-02-06 cs.AI cs.CL cs.LG
GPT as ghostwriter at the White House
University of Neuchatel(纳沙泰尔大学)
本研究通过对比 ChatGPT 3.5 生成的国情咨文与里根至奥巴马时期的真实总统国情咨文,分析其写作风格,发现其过度使用“we”、名词和逗号,动词较少,句子更长,语气中立且含积极情感表达,风格与真实演讲有显著差异。
2024-11-27 cs.AI cs.CL cs.CY
GPT-generated Text Detection: Benchmark Dataset and Tensor-based Detection Method
University of California, Riverside(加州大学河滨分校)
针对ChatGPT等大模型生成文本的检测需求,本文构建了基于Reddit的GRiD基准数据集并进行特征分析,同时提出半监督张量检测方法GpTen,其仅用人类文本即可达到与全监督方法相当的检测性能。
2024-03-12 cs.CL
Taqyim: Evaluating Arabic NLP Tasks Using ChatGPT Models
King Fahd University of Petroleum and Minerals(法赫德国王石油与矿业大学);ARBML;SDAIA-KFUPM Joint Research Center for Artificial Intelligence(沙特数据与人工智能局-法赫德国王石油与矿业大学人工智能联合研究中心);Volvo Cars R&D Tech Center(沃尔沃汽车研发技术中心)
本研究评估了GPT-3.5和GPT-4在七项阿拉伯语NLP任务上的表现,发现GPT-4在五项任务中更优,并提供了情感分析洞察及新的评估接口Taqyim。
2023-06-28 cs.CL
ChatGPT as a Math Questioner? Evaluating ChatGPT on Generating Pre-university Math Questions
Nanyang Technological University(南洋理工大学);National University of Singapore(新加坡国立大学)
本文通过情境感知与情境无关两类设置评估 ChatGPT 生成大学前数学题目的能力,并构建含 121 个主题、428 节课的 TopicMath 课程数据集。
2024-02-28 cs.AI cs.CL
The Potential and Pitfalls of using a Large Language Model such as ChatGPT or GPT-4 as a Clinical Assistant
Pangaea Data Limited(泛大陆数据有限公司);Data Science Institute, Imperial College London(帝国理工学院数据科学研究所);Hong Kong University of Science and Technology(香港科技大学)
本文通过真实世界 EHR 患者识别和假设病例前瞻性诊断两项实验,评估 ChatGPT/GPT-4 的临床辅助能力,发现 GPT-4 表现优异但存在错误、过度医疗与隐私风险。
2023-07-16 cs.CL
ChatGPT for GTFS: Benchmarking LLMs on GTFS Understanding and Retrieval
University of Illinois at Urbana Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文基准测试 GPT-3.5-Turbo 与 GPT-4 对 GTFS 的理解及自然语言检索能力,发现程序综合在信息抽取中显著优于零样本方法。
2023-11-03 cs.AI cs.CL cs.IR
Is GPT-4 Less Politically Biased than GPT-3.5? A Renewed Investigation of ChatGPT's Political Biases
Research Center Trustworthy Data Science and Security(可信数据科学与安全研究中心);TU Dortmund University(多特蒙德工业大学)
本文通过 Political Compass Test 与 Big Five Personality Test 各 100 次重复测试比较 GPT-3.5 和 GPT-4,发现二者均有进步主义与自由意志主义倾向,GPT-4 偏见略弱且更能模拟指定政治立场。
2024-10-28 cs.CL
Does ChatGPT Have a Poetic Style?
University of Washington(华盛顿大学)
本研究通过让GPT-3.5和GPT-4生成多形式多主题的英文诗歌并与人类诗歌对比,发现其虽能生成符合表层形式要求的诗歌,但存在明显同质化风格倾向,约束性强于人类诗歌。
2024-10-30 cs.CL
Battle of the Large Language Models: Dolly vs LLaMA vs Vicuna vs Guanaco vs Bard vs ChatGPT -- A Text-to-SQL Parsing Comparison
Institute for Infocomm Research (IR), A*STAR(新加坡科技研究局资讯通信研究院);National University of Singapore(新加坡国立大学);Nanyang Technology University(南洋理工大学)
本研究系统比较六种大型语言模型在文本到SQL解析任务上的表现,发现开源模型性能显著落后于闭源模型,需进一步工作弥合差距。
2023-10-16 cs.AI cs.CL
Is ChatGPT a Biomedical Expert? -- Exploring the Zero-Shot Performance of Current GPT Models in Biomedical Tasks
University of Regensburg(雷根斯堡大学)
本研究评估GPT-3.5-Turbo与GPT-4在BioASQ 2023生物医学任务的零样本表现,发现其生成任务性能优异、检索任务有提升但不及专用系统,并公开了实验代码。
2023-07-24 cs.CL
Evaluating GPT-4 and ChatGPT on Japanese Medical Licensing Examinations
University of Washington(华盛顿大学);Sapporo Cardiovascular Clinic(札幌心血管诊所);Tohoku University(东北大学);Yale University(耶鲁大学)
在日语医师资格考试上评估 ChatGPT、GPT-3 和 GPT-4,发现 GPT-4 优于其他模型且通过全部六年考试,但揭示了选择禁止选项及日语分词导致成本高、上下文小的局限性。
2023-04-05 cs.CL
ChatGPT Participates in a Computer Science Exam
University of Tübingen(蒂宾根大学)
我们要求ChatGPT参加本科计算机科学考试“算法和数据结构”。该方案是在整个考试中评估的,因为提出了学生。我们将答案手抄到试卷上,然后与200名参与学生一起进行盲测。我们发现ChatGPT勉强通过了考试,获得了40分中的20.5分。这一令人印象深刻的表现表明ChatGPT确实可以成功完成大学考试等具有挑战性的任务。同时,我们考试中的问题在结构上与其他考试相似,解决了家庭作业问题,以及可以在网上找到的教学材料,可能是ChatGPT训练数据的一部分。因此,从这个实验中得出ChatGPT对计算机科学有任何理解的结论是不够的。我们还评估了GPT-4带来的改进。我们发现,GPT-4将获得约17%的考试分数比GPT-3.5,达到平均学生的表现。我们与ChatGPT的对话记录可以在\url{https://github.com/tml-tuebingen/chatgpt-algorithm-exam}上找到,整个评分考试在本文的附录中。
2023-03-22 cs.CL cs.CY
ChatGPT as Research Scientist: Probing GPT's Capabilities as a Research Librarian, Research Ethicist, Data Generator and Data Predictor
Cangrade, Inc.(坎格雷德公司);University of Washington(华盛顿大学);Harvard University(哈佛大学)
本研究以心理学为测试领域,系统探究GPT-3.5和GPT-4在科研四大环节的能力,发现其有幻觉问题但伦理检测、数据生成有一定能力,无法预测训练外新数据模式。
2024-06-20 cs.AI cs.CL cs.CY
Exploring the Capability of ChatGPT to Reproduce Human Labels for Social Computing Tasks (Extended Version)
The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));Queen Mary University of London(伦敦玛丽女王大学);University of Helsinki(赫尔辛基大学)
该研究探索ChatGPT在社会计算任务中的数据标注能力,通过7个社会议题数据集验证其平均F1值达72%,并提出GPT-Rater工具预测其标注适配性,可降低社会计算研究的标注成本与门槛。
2024-07-08 cs.AI cs.CL
How is ChatGPT's behavior changing over time?
Stanford University(斯坦福大学);UC Berkeley(加州大学伯克利分校)
本文通过对比GPT-3.5和GPT-4在2023年3月与6月版本在七类任务上的表现,揭示同一LLM服务的行为会随时间显著漂移,并指出GPT-4遵循指令能力下降是共同因素,强调持续监控的必要性。
2023-10-31 cs.AI cs.CL cs.LG
Behind the Screen: Investigating ChatGPT's Dark Personality Traits and Conspiracy Beliefs
Research Center Trustworthy Data Science and Security, University Alliance Ruhr (UA Ruhr)(可靠数据科学与安全研究中心,鲁尔大学联盟);TU Dortmund University(多特蒙德工业大学)
本研究通过多种心理测试分析GPT-3.5与GPT-4的黑暗人格和阴谋信念,发现两者差异小,但GPT-4更倾向相信信息隐瞒,且极端政治倾向增强阴谋信念,测试顺序影响回答。
2024-02-06 cs.CL
Cognitive network science reveals bias in GPT-3, ChatGPT, and GPT-4 mirroring math anxiety in high-school students
University of Pisa(比萨大学);ISTI - CNR(意大利国家研究委员会信息科学与技术研究所);University of Trento(特伦托大学)
本文利用认知网络科学方法分析GPT-3、ChatGPT和GPT-4对数学及STEM学科的感知偏见,发现LLM总体持负面态度且数学最负面,但GPT-4比旧版本和高中生偏见更少、感知更丰富,表明架构进步有望减少有害刻板印象。
2023-05-22 cs.AI cs.CL cs.CY
Evaluating Large Language Models on a Highly-specialized Topic, Radiation Oncology Physics
Mayo Clinic(梅奥诊所);The University of Georgia(佐治亚大学);Massachusetts General Hospital(马萨诸塞州综合医院)
本研究首次评估了大型语言模型在放射肿瘤物理学领域的表现,发现ChatGPT (GPT-4)平均表现优于医学物理学家,展现出作为专家助手的巨大潜力。
2023-04-01 cs.CL physics.ed-ph physics.med-ph
ChatGPT for Digital Forensic Investigation: The Good, The Bad, and The Unknown
University College Dublin(都柏林大学);University of Lausanne(洛桑大学);University of Oxford(牛津大学);Fraunhofer FKIE(弗劳恩霍夫通信、信息处理与人机工程研究所);South East Technological University(东南理工大学)
本文评估ChatGPT(重点为GPT-4)在数字取证多场景的能力,梳理其优劣势与风险,指出当前多数场景不适用,但对专业用户可作辅助工具。
2023-07-10 cs.AI cs.CL cs.CR
Real Customization or Just Marketing: Are Customized Versions of Chat GPT Useful?
Universidad Pontificia Comillas(康普顿斯天主教大学)
本文构建并评估面向商科统计课程的定制 GPT“BSVP”,发现其在语气和课程文档相关任务上优于 ChatGPT-4 Turbo,但整体质量无显著提升且响应更慢。
2023-11-27 cs.AI cs.CL
Exploring ChatGPT for Next-generation Information Retrieval: Opportunities and Challenges
York University(约克大学)
本文探讨了ChatGPT作为生成式AI关键技术对传统信息检索范式的挑战,分析其在文本质量、模型偏差、效率方面的机遇与挑战,展望其在信息检索领域的未来发展方向。
2024-02-17 cs.AI cs.CL cs.IR
ChatGPT for President! Presupposed content in politicians versus GPT-generated texts
Zurich University of Applied Sciences(苏黎世应用科学大学);Roma Tre University(罗马第三大学)
研究分析ChatGPT生成文本与政治家演讲在预设使用上的差异,揭示其在政治话语中的潜在风险。
2025-12-04 cs.CL cs.CY
Distinguishing ChatGPT(-3.5, -4)-generated and human-written papers through Japanese stylometric analysis
Mejiro University(目白大学)
本文通过日语文体计量特征比较 GPT-3.5/GPT-4 与人类文本,并用随机森林实现最高100%的分类性能,证明日语中可有效识别 ChatGPT 生成论文。
2023-06-03 cs.CL
Controlled Reformulation Testing for Logical Consistency in Large Language Models
University of Texas at Austin(德克萨斯大学奥斯汀分校)
研究大语言模型在逻辑等价问题表面形式改变时的逻辑一致性,提出CRTBench基准,评估多个前沿LLMs,发现存在准确率 - 一致性差距,揭示失败集中在逻辑非平凡变换,表明仅靠准确率无法评估LLMs的逻辑推理。
2026-07-17 cs.AI cs.CL
Binary Code Summarization: Benchmarking ChatGPT/GPT-4 and Other Large Language Models
The Ohio State University(俄亥俄州立大学);Microsoft Research(微软研究院)
本研究针对二进制代码摘要的难点,构建含55.7万+函数的BinSum基准,提出提示词优化方法与新语义相似度指标,经多LLM大规模评估得出10项关键洞见,明确了LLM的潜力与待解挑战。
2023-12-15 cs.CL cs.CR cs.LG
GPT-3.5, GPT-4, or BARD? Evaluating LLMs Reasoning Ability in Zero-Shot Setting and Performance Boosting Through Prompts
Novelis Research and Innovation Lab(诺贝丽斯研究与创新实验室)
本文在11个数据集上评估GPT-3.5、GPT-4和BARD的零样本推理能力,发现GPT-4整体最优,但三者在归纳、数学和多跳推理上均有限,并提出提示工程方法提升性能。
2023-09-19 cs.AI cs.CL
Evaluation of ChatGPT for NLP-based Mental Health Applications
大语言模型(LLM)在几个自然语言理解任务中取得了成功,并可能与基于自然语言处理(NLP)的心理健康应用研究相关。在这项工作中,我们报告了基于LLM的ChatGPT(具有gpt-3.5-turbo后端)在三个基于文本的心理健康分类任务中的性能:压力检测(2类分类),抑郁检测(2类分类)和自杀检测(5类分类)。我们从公共数据集中获得了三个分类任务的注释社交媒体帖子。然后ChatGPT API对社交媒体帖子进行分类,并输入分类提示。我们获得的F1分数为0.73,0.86,0.37压力检测,抑郁检测,自杀倾向检测,分别。一个总是预测优势类的基线模型导致F1得分为0.35,0.60和0.19。使用ChatGPT获得的zero-shot分类精度表明语言模型在心理健康分类任务中的潜在用途。
2023-03-28 cs.AI cs.CL
Performance of ChatGPT-3.5 and GPT-4 on the United States Medical Licensing Examination With and Without Distractions
Magee-Womens Research Institute(马吉妇女研究所);University of Pittsburgh School of Medicine(匹兹堡大学医学院);Chaim Sheba Medical Center(哈伊姆·谢巴医疗中心);Sackler Faculty of Medicine, Tel Aviv University(特拉维夫大学萨克勒医学院);Ariel University(阿里尔大学)
本研究通过向USMLE Step 3题目中插入闲聊语句,评估ChatGPT-3.5与GPT-4的医疗建议准确性,发现闲聊会损害3.5版本表现,而GPT-4不受影响且整体更准确,为医患互动场景下使用大语言模型提供了初步依据。
2023-09-12 cs.CL
Linguistic Bias in ChatGPT: Language Models Reinforce Dialect Discrimination
University of California, Berkeley(加州大学伯克利分校)
该研究针对ChatGPT的语言偏见展开大规模分析,发现GPT-3.5 Turbo与GPT-4均存在对非标准英语方言的歧视性回复,且GPT-4虽部分性能提升但刻板印象问题更突出,揭示了大语言模型会延续方言歧视的问题。
2024-09-17 cs.CL cs.CY