The future of large language models in social science research: Reply to Berger (2024) and Carrillo et al. (2024).
大型語言模型在社會科學研究中的未來:回覆 Berger (2024) 和 Carrillo et al. (2024)。
Am Psychol 2024-09-16
Large Language Models in Ophthalmology Scientific Writing: Ethical Considerations Blurred Lines or Not at All?
眼科科學寫作中的大型語言模型:模糊邊界還是完全不存在的道德考量?
Am J Ophthalmol 2023-11-11
Expansive data, extensive model: Investigating discussion topics around LLM through unsupervised machine learning in academic papers and news.
廣泛的數據,龐大的模型:通過非監督式機器學習在學術論文和新聞中探討 LLM 的討論主題。
PLoS One 2024-05-31
研究探討2020年6月1日至2023年12月31日期間,針對大型語言模型(LLMs)的主題建模方法。使用Web of Science和LexisNexis數據,聚焦於"Large language model"、"LLM"和"ChatGPT"等LLMs。評估LDA、NMF、CTM和BERTopic等方法,發現BERTopic表現最佳。新聞報導著重LLM應用,學術論文則更專業。研究提供LLMs未來挑戰見解,對LLM服務業者有幫助。
PubMedDOI
Perils and opportunities in using large language models in psychological research.
在心理研究中使用大型語言模型的風險與機會。
PNAS Nexus 2024-07-17
A workflow for human-centered machine-assisted hypothesis generation: Commentary on Banker et al. (2024).
以人為中心的機器輔助假設生成工作流程:對 Banker et al. (2024) 的評論。
Am Psychol 2024-09-16