Benchmarking LLM for Code Smells Detection: OpenAI GPT-4.0 vs DeepSeek-V3
Honda Research Institute Europe（本田欧洲研究机构）
本研究通过结构化评估矩阵，在四种编程语言上对比GPT-4.0与DeepSeek-V3的代码异味检测性能，分析精确率、召回率、F1分数及成本，为选择高效自动化检测方案提供指导。
2025-04-22 cs.AI cs.LG cs.PL
From Complexity to Clarity: How AI Enhances Perceptions of Scientists and the Public's Understanding of Science
Michigan State University（密歇根州立大学）
本研究评估了生成式AI在简化科学传播中的作用，发现GPT-4生成的通俗摘要不仅语言更简洁，还能提升公众对科学家的信任感和对科学内容的理解，倡导将AI整合进科学传播。
2024-08-28 cs.AI cs.CL cs.CY
Standardization of Psychiatric Diagnoses -- Role of Fine-tuned LLM Consortium and OpenAI-gpt-oss Reasoning LLM Enabled Decision Support System
Old Dominion University（旧 Dominion 大学）；McDonald Army Health Center（麦克唐纳陆军医疗中心）；Blanchfield Army Community Hospital（布兰奇菲尔德陆军社区医院）
针对精神科诊断主观性强、结果不一致的问题，本研究提出结合微调LLM联盟与OpenAI-gpt-oss推理LLM的决策支持系统，通过共识决策与智能体协调实现标准化诊断，为AI电子健康系统铺路。
2025-10-29 cs.AI
Is GPT-OSS Good? A Comprehensive Evaluation of OpenAI's Latest Open Source Models
AI Agent Lab, Vokram Group（AI代理实验室，Vokram集团）；Purdue University（普渡大学）；Georgia Institute of Technology（佐治亚理工学院）；University of Minnesota（明尼苏达大学）；Emory University（埃默里大学）；Imperial College London（伦敦帝国学院）
GPT-OSS在代码生成方面表现优异，但在多语言任务上存在不足，研究发现稀疏架构扩展未必能带来性能提升。
2025-12-13 cs.CL
Privacy and Security Threat for OpenAI GPTs
Hong Kong Polytechnic University（香港理工大学）；Sun Yat-Sen University（中山大学）；Xi’an Jiaotong University（西安交通大学）
本文系统评估了 OpenAI 自定义 GPT 生态中的指令泄露与数据隐私威胁，通过对 10,000 个真实 GPT 的攻击实验发现超 98.8% 易受指令泄露，并识别出不必要的用户数据访问行为。
2025-06-04 cs.AI cs.CR
Generating medically-accurate summaries of patient-provider dialogue: A multi-stage approach using large language models
Curai Health（Curai健康公司）
本文提出一种多阶段方法，利用GPT-3将医学对话摘要分解为实体识别等子任务，生成临床准确摘要，优于零样本基线。
2023-05-10 cs.AI cs.CL cs.LG
A Data-Centric Approach To Generate Faithful and High Quality Patient Summaries with Large Language Models
University of Münster（明斯特大学）；MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）；Duke University（杜克大学）
研究利用大语言模型根据医生笔记生成病人摘要，提出严格标注协议和公开幻觉数据集，证明在无幻觉数据上微调或提供无幻觉少样本示例能有效降低 Llama 2 和 GPT-4 的幻觉，并发现 GPT-4 自动幻觉检测优于常见基线。
2024-06-25 cs.AI cs.CL cs.LG
Consistency Evaluation of News Article Summaries Generated by Large (and Small) Language Models
Royal Bank of Canada（加拿大皇家银行）；Chief Data Office（首席数据办公室）
本文评估多种LLM摘要模型在XL-Sum数据集上生成摘要的一致性，引入元评估分数衡量LLM评估系统性能，发现所有模型生成的摘要一致性均超过参考摘要。
2025-02-28 cs.AI cs.CL cs.LG
A Human-in-the-Loop Corpus for LLM-Based Simplification of Scientific Summaries
ScaDS.AI, Technische Universität Dresden（ScaDS.AI，德累斯顿工业大学）
研究基于大语言模型的科学文本简化，提出人工参与工作流程，先以GPT-4o-mini生成基线简化，再经不同阶段读者与专家反馈编辑，发布语料库及评估结果，支持跨学科科学交流简化系统相关工作。
2026-07-29 cs.AI cs.CL cs.HC
Evaluating AI Meeting Summaries with a Reusable Cross-Domain Pipeline
Cisco Systems, Inc.（思科系统公司）
本文提出一个可重用的跨领域管道，用于评估AI会议摘要，通过结构化真实数据构建、固定候选生成、基于声明评分等方法，在114次会议上验证了不同模型的性能，发现gpt-5.1在保留性上表现更优。
2026-05-13 cs.AI cs.CL
Summarizing, Simplifying, and Synthesizing Medical Evidence Using GPT-3 (with Varying Success)
Northeastern University（东北大学）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）；King’s College London（伦敦国王学院）
本文评估GPT-3在生物医学领域零样本生成摘要的能力，发现其能忠实总结单篇文献，但综合多文档证据时准确性不足。
2023-05-11 cs.CL
GPT-Fathom: Benchmarking Large Language Models to Decipher the Evolutionary Path towards GPT-4 and Beyond
ByteDance（字节跳动）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文提出开源可复现的LLM评测套件GPT-Fathom，在统一设置下系统评估10余个主流模型，并通过对OpenAI早期模型的回顾性研究，揭示从GPT-3到GPT-4演进中的关键能力变化与对齐代价等问题。
2024-04-02 cs.CL
Exploring Memorization and Copyright Violation in Frontier LLMs: A Study of the New York Times v. OpenAI 2023 Lawsuit
ETH Zurich（苏黎世联邦理工学院）；Duke University（杜克大学）；EPFL（洛桑联邦理工学院）
本研究围绕2023年《纽约时报》诉OpenAI案，探究前沿LLM的逐字记忆倾向，发现超千亿参数模型记忆能力显著提升，OpenAI模型较难被诱导出记忆内容，为模型训练优化和AI版权法律问题提供参考。
2024-12-09 cs.AI cs.LG
A Comparative Study of Recent Large Language Models on Generating Hospital Discharge Summaries for Lung Cancer Patients
The University of Texas Health Science Center at Houston（德克萨斯大学休斯顿健康科学中心）；Mayo Clinic（梅奥诊所）；Yale University（耶鲁大学）
本研究比较了GPT-3.5、GPT-4、GPT-4o和LLaMA 3 8b在为1,099名肺癌患者生成出院摘要中的表现，发现GPT-4o和微调后的LLaMA 3在token级指标和语义相似度上表现优异，LLaMA 3在不同输入长度下均能生成简洁且临床相关的摘要。
2024-11-06 cs.CL
MTUncertainty: Assessing the Need for Post-editing of Machine Translation Outputs by Fine-tuning OpenAI LLMs
Logrus Global（洛格斯全球公司）；The University of Manchester（曼彻斯特大学）
本研究将翻译质量评估转化为二分类任务，微调OpenAI的gpt3.5等模型，在8个语言对上验证了其判断译文是否需译后编辑的良好效果，同时发现单纯增大模型规模对该任务性能无明显提升。
2024-06-21 cs.AI cs.CL
Scaling Down to Scale Up: A Cost-Benefit Analysis of Replacing OpenAI's LLM with Open Source SLMs in Production
Jaseci Labs（贾塞奇实验室）；University of Michigan（密歇根大学）
针对企业依赖专有LLM服务的弊端，本文提出系统性评估方法与开源工具SLaM，测试显示9款开源SLM的29个变体在产品功能中效果可比GPT-4，性能一致性更优且成本降低5~29倍。
2024-04-16 cs.AI cs.LG cs.SE
Cross-Lingual Conversational Speech Summarization with Large Language Models
BBN Technologies（BBN技术公司）
针对跨语言对话语音摘要资源匮乏问题，研究者在Fisher和Callhome西英语音翻译语料库基础上补充GPT-4生成的摘要构建数据集，适配后的Mistral-7B模型摘要性能优于现成模型且媲美GPT-4。
2024-08-12 cs.AI cs.CL
Factored Verification: Detecting and Reducing Hallucination in Summaries of Academic Papers
Elicit（Elicit公司）
本文提出因子化验证方法，在HaluEval摘要任务上达76.2%准确率，检测出ChatGPT、GPT-4和Claude 2摘要中的幻觉，并通过因子化批评自我纠正减少幻觉，提醒谨慎使用模型综合学术论文。
2023-10-16 cs.AI cs.CL
A dataset and benchmark for hospital course summarization with adapted large language models
Stanford University（斯坦福大学）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）
本研究提出MIMIC-IV-BHC数据集和基准，评估多种LLMs生成医院病程摘要的性能，发现微调Llama2-13B定量最优，而GPT-4在临床评估中更受青睐。
2025-04-23 cs.AI cs.CL cs.LG
The ADAIO System at the BEA-2023 Shared Task on Generating AI Teacher Responses in Educational Dialogues
Center for Speech Technology Research（言语技术研究中心）；University of Edinburgh（爱丁堡大学）；Istituto Italiano di Tecnologia（意大利技术研究院）；Università di Ferrara（费拉拉大学）
该研究提出ADAIO参赛系统，利用OpenAI GPT-3评估基线并设计提示，以text-davinci-003的少样本提示方法在BEA-2023共享任务中获得第二名。
2023-06-08 cs.AI cs.CL cs.CY
Beyond Public Access in LLM Pre-Training Data
AI Disclosures Project, Code for Science and Society（AI披露项目，代码用于社会）；O’Reilly Media（O’Reilly媒体）；Institute for Innovation and Public Purpose, University College London（创新与公共目的研究所，伦敦大学学院）
本研究使用合法获取的 34 本 O'Reilly 版权书籍，应用 DE-COP 攻击调查 OpenAI 模型是否未经授权训练受版权内容，发现 GPT-4o 对付费内容识别度高，凸显了预训练数据透明度与建立许可框架的紧迫性。
2026-11-02 cs.AI cs.CL
LLMs Still Can't Plan; Can LRMs? A Preliminary Evaluation of OpenAI's o1 on PlanBench
Arizona State University（亚利桑那州立大学）
本文评估了OpenAI的o1模型在PlanBench基准上的规划能力，发现其性能显著超越现有LLMs但仍未饱和，并指出部署前需考虑准确性、效率和保证问题。
2024-09-20 cs.AI cs.CL
Towards Safer Chatbots: Automated Policy Compliance Evaluation of Custom GPTs
Information Processing and Telecommunications Center Universidad Politécnica de Madrid ETSI Telecomunicación（信息处理与电信中心西班牙马德里理工大学电信工程学院）；King’s College London（伦敦国王学院）；INGENIO (CSIC-Universitat Politècnica de València)（INGENIO（西班牙国家研究委员会-瓦伦西亚理工大学））
本文提出了一种自动化方法，用于评估定制GPTs是否符合其市场使用政策，通过黑盒交互结合大规模发现、红队提示和LLM作为法官，揭示了当前审核机制的不足及行为合规性评估的可行性。
2025-12-19 cs.AI cs.CL
Faithful by Design: Evaluating and Improving LLM-Generated Clinical Trial Summaries for Multi-Stakeholder Audiences
University of Texas at Austin（德克萨斯大学奥斯汀分校）
研究针对大语言模型生成的临床试验摘要的忠实性问题，引入基准评估框架，用特定数据库试验、提示模板和注释模式评估，对比多个模型的基线测量，开发知识图谱增强检索系统，结果显示该系统改进显著，且不同模型改进途径有别。
2026-07-14 cs.AI cs.CL
Heroes, Villains, and Victims, and GPT-3: Automated Extraction of Character Roles Without Training Data
ETH Zurich（苏黎世联邦理工学院）；Cornell University（康奈尔大学）
本文展示了如何在没有训练数据的情况下使用大规模预训练语言模型从叙事文本中提取人物角色。在zero-shot问答提示下，GPT-3可以识别不同领域的英雄、恶棍和受害者：报纸文章、电影情节摘要和政治演讲。
2022-05-17 cs.CL
How Utilitarian Are OpenAI's Models Really? Replicating and Reinterpreting Pfeffer, Krügel, and Uhl (2025)
OpenAI
研究通过复制和扩展实验，发现OpenAI模型在不同提示下表现出功利主义倾向，但存在提示偏差影响结果，强调需多提示测试以验证LLM道德推理的可靠性。
2026-07-07 cs.CL cs.CY
Harm Laundering in GPT Models: Evidence That Gender Discrimination Is Transformed Rather Than Reduced Across Safety-Trained Generations
Durham University（杜伦大学）
本研究揭示 GPT 系列模型安全训练中，显性性别歧视被转化为隐性表征危害而非消除，提出“危害洗白”概念及三标准检测协议，证明毒性分数下降不足以代表危害减少。
2026-09-18 cs.AI cs.CL
DNA-GPT: Divergent N-Gram Analysis for Training-Free Detection of GPT-Generated Text
University of California, Santa Barbara（加州大学圣巴巴拉分校）；NEC Laboratories America（NEC美国实验室）；University of California, Los Angeles（加州大学洛杉矶分校）
针对大语言模型生成文本检测难、传统方法灵活性与可解释性不足的问题，提出免训练的DNA-GPT检测策略，通过文本截断重生成与差异分析实现检测，性能超越OpenAI分类器，兼具可解释性、抗改写攻击与模型溯源能力。
2023-10-04 cs.AI cs.CL
Large Language Model-Based Generation of Discharge Summaries
INESC TEC
本文研究了大型语言模型在生成出院小结中的应用，发现专有模型在性能上优于开源模型，尽管存在幻觉和信息缺失的问题，但专有模型在生成准确的出院小结方面表现出色。
2025-12-07 cs.CL
Leveraging GPT-4 for Food Effect Summarization to Enhance Product-Specific Guidance Development via Iterative Prompting
Drexel University（德雷塞尔大学）；United States Food and Drug Administration（美国食品药品监督管理局）
本研究提出一种三轮迭代提示方法，利用 GPT-4 从新药申请文件中生成食物效应摘要，实验表明其生成的摘要在事实一致性上表现优异，能显著提升特定产品指南评估的效率。
2023-06-28 cs.AI cs.CL cs.LG
Towards LLM-based optimization compilers. Can LLMs learn how to apply a single peephole optimization? Reasoning is all LLMs need!
Queen Mary University of London（伦敦玛丽女王大学）
本研究对比微调Llama2与OpenAI模型在AArch64窥孔优化上的表现，发现GPT-o1凭借链式思维推理超越微调模型，展示了推理机制在LLM编译器优化中的关键作用。
2024-12-11 cs.AI cs.LG cs.PL
A First Look at GPT Apps: Landscape and Vulnerability
University of Southern California（南加州大学）；Beijing University of Posts and Telecommunications（北京邮电大学）
本文通过对两个GPT应用商店为期5个月的纵向研究，揭示用户热情持续上升但创建者兴趣趋稳，且近90%系统提示因配置未安全保护可被轻易访问，强调需加强LLM应用生态系统安全。
2024-11-27 cs.CL cs.CR
BooookScore: A systematic exploration of book-length summarization in the era of LLMs
University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）；Allen Institute for AI（艾伦人工智能研究所）；Princeton University（普林斯顿大学）
针对书籍长度摘要评估难题，研究两种LLM摘要工作流的连贯性，提出自动指标BooookScore，系统分析关键参数影响并对比不同模型表现。
2024-04-13 cs.AI cs.CL cs.LG
Enhancing LLM Problem Solving with REAP: Reflection, Explicit Problem Deconstruction, and Advanced Prompting
Honda Research Institute USA, Inc.（本田美国研究院有限公司）
针对大语言模型复杂推理任务求解能力不足的问题，提出包含反思、显式问题解构与高级提示的REAP方法，在多个前沿模型上实现显著性能提升，同时兼具成本效益与输出可解释性优势。
2024-09-14 cs.AI cs.CL cs.LG
Characterizing Multimodal Long-form Summarization: A Case Study on Financial Reports
Carnegie Mellon University（卡内基梅隆大学）；JPMorgan AI Research（摩根大通人工智能研究院）；The University of Chicago（芝加哥大学）
本研究以财务报告摘要为案例，提出多模态长文本摘要特征刻画框架，分析多款LLM的表现，发现Claude 2处理长多模态输入能力较强，还揭示了位置偏差、数值幻觉等问题并尝试优化。
2024-08-15 cs.AI cs.CL cs.LG
Gpt-4: A Review on Advancements and Opportunities in Natural Language Processing
OpenAI（开放人工智能公司）
本文综述GPT-4的特性、应用与挑战，对比其与GPT-3的差异，指出其规模更大、多语言及推理能力更强，同时点明其面临的计算、数据与伦理局限。
2023-05-04 cs.AI cs.CL cs.CY
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
Topic-aware Large Language Models for Summarizing the Lived Healthcare Experiences Described in Health Stories
University of Pittsburgh（匹兹堡大学）
本研究结合LDA主题识别与开源LLM分层总结方法，对50篇非裔美国人医疗体验故事开展主题感知总结，经GPT-4与专家验证总结质量优异，可为医疗研究与临床改进提供洞见。
2025-10-23 cs.AI cs.CL cs.CY
Can OpenAI o1 Reason Well in Ophthalmology? A 6,990-Question Head-to-Head Evaluation Study
National University of Singapore（新加坡国立大学）；Singapore Eye Research Institute（新加坡眼科研究所）；Yale University（耶鲁大学）；Cleveland Clinic（克利夫兰诊所）；Zhejiang University（浙江大学）
本研究通过6,990个眼科问题对比OpenAI o1与五个大语言模型，发现o1准确率最高（0.88）但推理能力排名第三，表明其推理增强未完全适用于眼科，需领域特定优化。
2025-01-20 cs.AI cs.CL
Sparks of Artificial General Intelligence: Early experiments with GPT-4
Microsoft Research（微软研究院）
本文通过早期实验系统评估 GPT-4，发现其在数学、编程、视觉等多领域接近人类水平，认为它是 AGI 的早期版本，并探讨了其局限性与未来方向。
2023-04-13 cs.AI cs.CL
High-Throughput Phenotyping of Clinical Text Using Large Language Models
Dept. of Neurology \& Rehabilitation University of Illinois at Chicago Chicago, IL USA；Engineering Program Missouri State University Springfield, MO USA
本文比较 GPT-4 与 GPT-3.5-Turbo 在 OMIM 临床摘要表型任务中的表现，证明 GPT-4 无需标注训练数据即可达到接近人工标注者间一致性的效果。
2025-06-10 cs.AI cs.CL
Automated Paper Screening for Clinical Reviews Using Large Language Models
Cumming School of Medicine, University of Calgary（卡尔加里大学卡明医学院）；Temerty Faculty of Medicine, University of Toronto（多伦多大学特默蒂医学院）
本研究提出基于OpenAI GPT API的临床综述论文自动筛选工作流，在6篇综述超24000条数据上实现0.91的准确率，可辅助提升临床综述效率与质量。
2023-05-01 cs.AI cs.CL
Revolutionizing Mobile Interaction: Enabling a 3 Billion Parameter GPT LLM on Mobile
IPLeiria（莱里亚理工学院）
针对云端大语言模型的延迟与隐私问题，提出创新推理方法，通过原生代码与模型量化，让30亿参数微调GPT大语言模型可在4GB内存移动设备端侧运行，兼具通用助手与文本转动作功能，为隐私友好的移动AI应用开辟可能。
2023-09-29 cs.AI cs.CL cs.LG
OpenAI Cribbed Our Tax Example, But Can GPT-4 Really Do Tax?
Johns Hopkins University（约翰斯·霍普金斯大学）；Telecom Paris（巴黎电信学院）；Institut Polytechnique de Paris（巴黎综合理工学院）
本文揭示 OpenAI 直播中税务示例的来源，分析 GPT-4 出错原因，指出其无法可靠计算税务。
2024-02-07 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
Evaluating Large Language Models in Code Generation: INFINITE Methodology for Defining the Inference Index
Institute for Advanced Modeling and Simulation（高级建模与仿真研究所）；University of Nicosia（尼科西亚大学）
本文提出 INFINITE 推理指数方法，从效率、一致性和准确性三方面评估 LLM 代码生成能力，并通过对 GPT-4o、OpenAI-o1 pro 和 OpenAI-o3 mini-high 生成 LSTM 气象预测代码的比较，证明 GPT 在准确性和效率上表现更优。
2025-03-07 cs.AI cs.SE
Enhancing Medical Task Performance in GPT-4V: A Comprehensive Study on Prompt Engineering Strategies
Shanghai AI Laboratory（上海人工智能实验室）
针对GPT-4V在专业医疗任务中表现不佳的问题，本文通过迭代测试优化提示词，提炼出10种有效提示工程技术，显著提升其医学影像解读准确性与临床价值，为发挥其诊断潜力提供可行指导。
2023-12-12 cs.AI cs.CL cs.CV
Utilizing GPT to Enhance Text Summarization: A Strategy to Minimize Hallucinations
University of Colorado - Colorado Springs（科罗拉多大学科罗拉多斯普林斯分校）；DataCrunch Lab, LLC（DataCrunch实验室有限责任公司）；North Carolina State University（北卡罗来纳州立大学）
本文提出利用GPT优化DistilBERT与T5生成的抽取式、生成式及混合式摘要，以最小化幻觉问题，并通过多指标评估验证了该方法能显著提升摘要的事实准确性与可靠性。
2024-05-07 cs.AI cs.CL cs.LG
Evaluating Factual Consistency of Summaries with Large Language Models
City University of Hong Kong（香港城市大学）；Hong Kong University of Science and Technology（香港科技大学）
本研究通过直接提示大型语言模型来评估摘要的事实一致性，系统比较了多种模型和提示方法，实验证明该方法在多个设置下均优于现有最佳系统，准确率最高提升12.2个百分点。
2023-10-12 cs.CL
The Dawn of LMMs: Preliminary Explorations with GPT-4V(ision)
Microsoft Corporation（微软公司）
本文初步探索GPT-4V(ision)的能力，通过精心设计的定性样本分析其处理交错多模态输入和视觉标记的通用性，并讨论应用场景与未来研究方向。
2023-10-11 cs.CL cs.CV
Large Language Models as Evaluators for Scientific Synthesis
TIB - Leibniz Information Centre for Science and Technology（莱布尼茨科学与技术信息中心）
本文研究GPT-4和Mistral等大型语言模型评估科学综合质量的能力，发现其解释虽具逻辑性但与人类评分相关性较弱，揭示了LLMs在该任务中的潜力与局限。
2024-07-03 cs.AI cs.CL cs.IT
Standardization of Neuromuscular Reflex Analysis -- Role of Fine-Tuned Vision-Language Model Consortium and OpenAI gpt-oss Reasoning LLM Enabled Decision Support System
Old Dominion University（旧 Dominion 大学）；AnaletIQ；McDonald Army Health Center（麦克唐纳陆军医疗中心）；University of Sri Jayewardenepura（Sri Jayewardenepura 大学）；University of Gdańsk（盖尔范大学）；University of Colombo（科伦坡大学）
本文提出将微调视觉-语言模型联盟与推理大语言模型结合，构建自动化H反射波形解读与诊断决策支持系统，实现神经肌肉评估的标准化与可解释性。
2025-08-17 cs.AI cs.CV
OpenAIs HealthBench in Action: Evaluating an LLM-Based Medical Assistant on Realistic Clinical Queries
OpenAI
DR.INFO在HealthBench基准测试中表现优异，优于多个前沿LLM，在复杂临床查询中展现出高准确性和情境感知能力。
2026-07-28 cs.AI cs.ET cs.IR
SummQA at MEDIQA-Chat 2023:In-Context Learning with GPT-4 for Medical Summarization
Carnegie Mellon University（卡内基梅隆大学）
本文提出一种基于GPT-4的上下文学习医学对话摘要系统，通过选择语义相似对话作为上下文示例进行少样本提示，在MEDIQA 2023共享任务中取得多项前列成绩，验证了该方法的有效性并指出其不足。
2023-06-30 cs.CL
