构建GPT大模型的经济循环体系:理论框架与发展路径

数字技术的爆发式增长及其与实体经济的深度融合,为推动中国经济高质量发展提供了强大动能,成为促进生产方式变革和经济结构变迁的主要力量。GPT大模型作为新一代人工智能技术,具有强大的自然语言处理能力,将持续对经济增长、生产效率、要素分配等各方面产生深刻影响。文本试图通过构建GPT大模型的经济循环体系、GPT大模型在国内外经济循环中发挥作用的理论框架以及GPT大模型的经济循环体系的发展路径,揭示GPT大模型经济循环体系的作用机制,为实体产业应用GPT大模型实现提质增效、助力经济高质量发展提供现实启示和参考依据。

ChatGPT视域下的知识限度与积极物化:从庄周出发的思考

ChatGPT可以被看成是一个“自本自根”的世界模型。在其内部的神经网络之中,似乎存在一个道家所强调的道。然而,从《庄子·知北游》中的两段经典对话中我们获得的新启示是,ChatGPT所表达的那些可言说的知识未必是真实可靠的知识。同时,使用者与ChatGPT的对话往往会演变为一方对另一方的臣服或对抗,而日常生活中的多人对话往往可以提供一种对结论的开放性。大模型的无限知识同样存在进一步的进化空间。与ChatGPT相比,GPT-4明显知道了自己知识的限度。目前的大模型框架更多是一种普遍性框架,其对问题的回答往往是通用性的解释,而进化的方向恰恰是要增加向量数据库。知识限度的意义就在于要回到多样性本身。人类对大模型的有待使用,最终会产生无待焦虑。换言之,当外在依赖变成内在依赖的时候,人们就会产生无待焦虑。这种无待焦虑最终会演化为后人类焦虑。破除这些焦虑的关键,同样需要在庄周思想中挖掘。这种积极物化的关键是,放低身段,将自己置于一个与物平等的角度,向物学习,格物致知,最终达到物我两忘的真人之境。从庄周丧我的角度可以更加接近物我两忘,其最终可能会帮助人类进入人机和谐相处的两行世界。

高校阅读推广20年分层式图谱解读及GPT赋能进路

论文对高校20年阅读推广研究进行阶段划分,采用计量学、图形学、信息可视化技术,分别绘制高校阅读推广三个不同历史阶段的CT式分层知识图谱,梳理出每个阶段该领域核心内容、核心结构及其发展趋势,提供GPT与高校阅读推广相粘合的新形态、新风向和新技术,促进高校阅读推广理论研究朝向“统合广义的现代信息技术和潜能发展理论”的方向发展,实践研究朝向数字化、智能化方向努力。

AI-GPT技术驱动的元宇宙图书馆架构探讨

人工智能的快速发展引领着全新的信息传播模式,图书馆作为知识的存储和传播中心也在不断适应这个时代的变化向元宇宙转型,而AI-GPT技术将成为元宇宙图书馆的技术引擎,成为驱动元宇宙图书馆的动力。本文结合AI-GPT技术特点探讨了元宇宙图书馆的技术框架,并结合“书理学”三原则从数据管理系统、用户界面和协作与分享平台三方面分析了AI-GPT时代元宇宙图书馆的技术结构,通过对上述问题的探讨以助力元宇宙图书馆建设。

ChatGPT类技术之于大学英语教学的启迪与思考

本文阐述了信息化时代背景下ChatGPT类技术赋能大学英语教育教学的同时所引发的启迪和思考,指出推进教学数字化转型、提升教师TPACK教育能力、重塑教育形态、提高数字化素养、培养学生学习品质、坚守技术伦理等方面的重要性、必要性以及相应措施。

基于知识图谱和GPT模型的可靠性代码自动生成方法

工程结构服役中广泛使用可靠性分析进行结构安全评估,但可靠性分析方法种类多、分析程序代码自动化程度低且复用难,需要研究可靠性代码自动生成方法。生成式预训练转换器GPT(Generative Pre-trained Transformer)模型已经在大量替代编程手工作业,进行代码自动生成。但是,其在工程领域中的应用受限于可学习数据量小和问题匹配度不高。本文提出了一种结合多种类可靠性知识图谱、基于GPT的代码自动完成模型进行Matlab可靠性代码预测的方法,使用精心设计的源代码预处理降噪策略,以及知识图谱传播模拟密集型任务解释意图;采用条件代码生成训练,有效提升了小数据样本量的学习性能,实现高准确率、问题匹配的可靠性代码自动生成。最后通过三个可靠性知识图谱案例验证了所提方法的有效性。

GPT系列大语言模型在自然语言处理任务中的鲁棒性

大语言模型(large language models,LLMs)所展现的处理各种自然语言处理(natural language processing,NLP)任务的能力引发了广泛关注.然而,它们在处理现实中各种复杂场景时的鲁棒性尚未得到充分探索,这对于评估模型的稳定性和可靠性尤为重要.因此,使用涵盖了9个常见NLP任务的15个数据集(约147000个原始测试样本)和来自TextFlint的61种鲁棒的文本变形方法分析GPT-3和GPT-3.5系列模型在原始数据集上的性能,以及其在不同任务和文本变形级别(字符、词和句子)上的鲁棒性.研究结果表明,GPT模型虽然在情感分析、语义匹配等分类任务和阅读理解任务中表现出良好的性能,但其处理信息抽取任务的能力仍较为欠缺,比如其对关系抽取任务中各种关系类型存在严重混淆,甚至出现“幻觉”现象.在鲁棒性评估实验中,GPT模型在任务层面和变形层面的鲁棒性都较弱,其中,在分类任务和句子级别的变形中鲁棒性缺乏更为显著.此外,探究了模型迭代过程中性能和鲁棒性的变化,以及提示中的演示数量和演示内容对模型性能和鲁棒性的影响.结果表明,随着模型的迭代以及上下文学习的加入,模型的性能稳步提升,但是鲁棒性依然亟待提升.这些发现从任务类型、变形种类、提示内容等方面揭示了GPT模型还无法完全胜任常见的NLP任务,并且模型存在的鲁棒性问题难以通过提升模型性能或改变提示内容等方式解决.通过对gpt-3.5-turbo的更新版本、gpt-4模型,以及开源模型LLaMA2-7B和LLaMA2-13B的性能和鲁棒性表现进行对比,进一步验证了实验结论.鉴于此,未来的大模型研究应当提升模型在信息提取以及语义理解等方面的能力,并且应当在模型训练或微调阶段考虑提升其鲁棒性.

ChatGPT改进联网审计途径研究

因在数据采集、数据记录、数据传输等方面技术不足,我国联网审计仍难以达到实时监督的目的,ChatGPT的自动化处理审计数据、实时更新审计准则、依据特定需求输出数据等功能可以有效弥补传统联网审计的缺陷。文章针对现阶段联网审计存在的问题与应用ChatGPT技术的优势进行了探讨,在明确ChatGPT技术应用于联网审计的潜在风险的基础上,提出了有效的应对策略,以保证ChatGPT能促进联网审计工作的不断完善,以此促进我国联网审计工作的持续发展。

研究使用GPT构建大语言模型智能母基金决策投资支持系统

构建基于GPT的智能大语言模型基金决策支持系统,以有效应对金融市场的复杂性。通过大语言模型技术,系统提供深层次的基金和项目洞察,同时进行风险计量。采用Python与Flask构建,整合了OpenAI GPT模型,通过嵌入式AI模式提升了投前管理、初筛、评分和风险评估的效能,旨在提高整体决策效率。未来的改进方向包括对模型的优化和系统的扩展。这一创新将推动金融领域数字化转型,进一步提升投资效率。

ChatGPT在机器人辅助髋膝关节置换的应用前景

机器人辅助技术现已被骨科医生逐渐应用在手术过程中^([1])。机器人辅助髋膝关节置换技术以人工智能的“大数据学习”为核心,其手术系统不受时间或记忆的限制,可以在几秒钟内运算海量手术及影像记录^([2])。ChatGPT联合机器人辅助髋膝关节置换可在患者的术前计划、术中决策和术后监测方面展现巨大潜力(见图1)^([3])。

人工智能参与司法审判的法律责任承担——基于Chat GPT首份判决书产生的思考

随着人工智能时代的到来和司法的不断发展改革,人工智能技术已经越来越多地参与司法审判工作。哥伦比亚某法官在判决书中引入了Chat GPT的回答,成为全球首例人工智能参与法庭判决的实践。Chat GPT在本案中的表现虽然被广泛认可,但仍无法确保其能成为人工智能参与司法审判工作的常态。因此,关于人工智能在参与司法审判过程中可能引发的法律责任承担问题得到了广泛关注。具体而言,首先可以通过人工智能并不具备法律主体身份以排除其担责可能;实际上,哪怕赋予其法律主体地位,其承担法律责任也不具备现实意义。在生产者和审判者的责任分布中,由审判者优先承担责任再视情况向生产开发者追偿的处理原则具有现实合理性。审判者承担法律责任的情形可以分为主观故意和过失两种,同时也存在一定的豁免情形。对于人工智能法律责任归结难题的脱困路径可以从对人工智能算法黑箱进行限制;坚守以司法人员为中心的司法审判模式和法院和国家进行责任概括承受三个方面入手。

Chat GPT助力工程项目管理数字化转型之构想

随着科技的不断发展和应用,工程项目管理领域也在经历数字化转型的浪潮。数字化转型的目标是通过应用先进的技术和工具,提升生产效率、降低成本、优化资源利用,以及改进项目管理和决策过程。在这一背景下,Chat GPT作为一种基于人工智能的自然语言处理模型,正在发挥越来越重要的作用。本文提出Chat GPT在工程项目管理领域数字化转型应用的构想以及其带来的优势和挑战,并在后续科研中继续尝试将构想与工程结合,进一步分析可行性。

顾及大气剖面的GPT3改进模型及其精度评价

针对GPT3模型在模拟大气剖面时存在精度不足的问题,在剖析其垂直修正方法的基础上,通过引入新的温度递减率和气压垂直改正算法,提出一种改进的GPT3模型,即GPT3v模型,并使用探空资料、NCEP再分析资料和GNSS数据验证新模型的精度。结果表明,垂直方向上GPT3v模型估计的温度、气压、天顶总延迟平均RMSE分别为6.0 K、7.9 hPa和23.0 mm,相比于GPT3模型的11.1 K、19.0 hPa和47.8 mm,精度分别提高46%、58%和52%。而当IGS测站与其周围4个模型格网点存在较大高差时,GPT3模型会存在较大的对流层延迟估计误差,GPT3v模型则能较好地解决这一问题。相较于GPT3模型,GPT3v模型在高空以及地形复杂区域具有更好的应用效果。

从ChatGPT到Sora:“超级媒介”的意向性

近年来,随着Open AI公司开发的生成式、通用式人工智能产品ChatGPT和Sora相继应用,继元宇宙之后引起社会极大关注的、颠覆性的,具有想象与激情的,具有全面性、智能性、普惠性和普适性的“超级媒介”已然成型。

Integrating GPT into the Journalism and Communication Industries:The Technological Logic,Ecosystem Reconstruction,and Ethical Chal enges

Generative AI,represented by GPT(Generative Pre-trained Transformer),is now leading the technological revolution and is reconstructing the journalism and communication industries'ecosystems because of its powerful generative capacity and diverse range of outputs.While GPT is busy revolutionizing and innovating the production of news content,working patterns,and operation modes,it has also given rise to ethical concerns in regard to news authenticity,data security,humanistic values,and other related aspects.Therefore,it is imperative to initiate strategies and approaches,such as establishing a mechanism for verifying information authenticity,enhancing data security and privacy regulations,and instituting an ethical supervision and governance framework for AI,in order to facilitate the systematic advancement of AI-based news production while reinstating public trust.

电力市场营销应用GPT的前景分析

在研究电力市场营销应用生成式预训练模型(GPT)的潜力和前景中,通过运用GPT的自然语言处理和文本生成能力,提高市场营销策略的制定效率和精准度,预测电力销售趋势,改善客户服务和沟通体验。对于推动电力市场营销数字化转型、提升市场竞争力、提供智能化决策支持具有一定的启发和参考意义。

ChatGPT在学术期刊出版领域的应用

ChatGPT是人工智能研究机构OpenAI在2022年11月30日发布的聊天机器人程序,它能够通过理解和学习人类的语言来进行对话,还能根据聊天的上下文进行互动,真正像人类一样来聊天交流,甚至可以写电子邮件、完成文案、制作视频脚本及撰写包括学术论文在内的各类文章。

高校辅导员在GPT时代的角色转变与思政教育新策略

随着人工智能(AI)技术的迅猛发展,GPT等大型语言模型在教育领域的应用普及并逐渐改变高等教育的面貌。高校辅导员作为思政教育的重要执行者,面临着在新时代背景下如何适应技术变革并创新思政教育策略的挑战。本文深入探讨了GPT时代高校辅导员的角色转变,指出其应从传统管理者向智慧引导者、互动合作者和信息素养培育者转变。在此基础上,本文提出了思政教育的新策略,包括利用GPT技术提升个性化教育水平、打造互动性强的教育平台以及培养学生AI素养和批判性思维,旨在为提升高校辅导员的工作效能和思政教育质量提供理论参考。

GPT驱动的新能源车故障诊断与解决方案生成研究

随着我国新能源汽车普及率的逐年提高,其故障率也呈上升趋势,为了确保新能源汽车的安全可靠运行,文章旨在探索一种故障信息快速准确诊断和解决的方法。采用基于生成式预训练Transformer模型(GPT)的自然语言处理方法,通过充分利用其强大的语言模型,实现了从故障信息到解决方案的端到端自动化处理流程。实验过程中,构建了两个丰富的语料库,分别从用户自然语言描述和科技论文中提取相关信息,以充分支持模型的训练和测试需求。基于GPT的预训练模型,对模型进行了微调操作,以提升其适应性和性能水平。为了客观全面地评估模型的生成效果,采用BLEU和ROUGE两种评估指标。同时,对生成的解决方案进行了主观和详细地分析,以展示模型的优势和实际效果。根据实验结果分析,所提出的模型在生成解决方案时表现出更高水平的语义一致性、完整性和准确性,相较于对比模型具有显著优势。

青年主体性的规训与复归:GPT大模型嵌入思想政治教育的风险及化解

GPT大模型凭借涌现的自然语言处理与类人交互能力,成为助推教育领域变革发展的新兴技术手段,也为思想政治教育的数字化转型提供了新思路。GPT大模型以偏好模仿性、超模态交互与跨领域拓展的三重能力特性,介入青年知识获取、情感调动与行为实践的思想政治教育环节中,协助建构契合青年群体异质性的思想政治教育过程,提升育人实效。与此同时,此赋能过程也存在弱化青年自驱认知能力、迁移情感体验权利、异化个体行为选择的伦理风险,遮蔽青年在思想政治教育中的主体性。以知识、情感和行为主体的复归为行动原则,以重塑技术与青年关系为价值旨归,锚定更为科学的GPT大模型嵌入思想政治教育的路径,才能在防范化解青年主体性隐退风险的基础上,实现GPT大模型与思想政治教育的有机融合与双向赋能。