原始文章

這項研究探討大型語言模型(LLMs)及生成式人工智慧對機器翻譯的影響,特別是英語與多種印度語言(如印地語、卡納達語、馬拉雅拉姆語、泰米爾語和泰盧固語)之間的翻譯。研究使用BLOOMZ-3b模型,並運用提示工程技術來增強翻譯效果。此外,還採用低秩適應(Low Rank Adaptation)方法進行高效微調,以優化模型並降低計算需求。透過這些創新策略,研究旨在提升機器翻譯技術,改善LLMs對多樣語言的適應性,並推動人工智慧及自然語言處理的發展。 PubMed DOI


站上相關主題文章列表

研究發現,使用解凍的LLMs進行軟提示在GatorTron上表現最佳,勝過傳統微調和硬提示模型。當LLMs規模擴大時,凍結的LLMs也具競爭力,展現出良好少樣本學習和泛化能力。凍結模型不僅計算成本更低,還能跨機構應用。 PubMed DOI

大型語言模型(LLMs)有潛力顯著改變臨床醫學,能改善醫療服務的可及性、增強診斷、協助手術規劃及促進教育。不過,這些模型的有效運用需謹慎設計提示,以應對幻覺和偏見等挑戰。理解標記化、嵌入和注意力機制等關鍵概念,以及運用策略性提示技術,對生成準確輸出至關重要。AI技術與醫療專業人員的合作、重視倫理問題如數據安全和偏見緩解,能提升醫療服務質量與可及性。持續的研究與發展對於發揮LLMs在醫療領域的潛力至關重要。 PubMed DOI

這項研究探討生成式人工智慧模型中的文化偏見,特別是五個版本的OpenAI語言模型如何影響使用者表達並強化主導文化價值觀。研究發現,這些模型多反映英語系和新教歐洲國家的文化。為解決這問題,研究人員測試了一種叫做文化提示的方法,結果顯示這方法能改善後期模型(如GPT-4)在71-81%的評估地區的文化一致性。研究建議持續使用文化提示和評估,以減少生成式人工智慧中的文化偏見。 PubMed DOI

這項研究顯示大型語言模型(LLMs),像是GPT,在學術界,特別是醫學領域的使用越來越普遍。調查訪問了來自59個國家的226位參與者,結果發現87.6%的人對LLMs有了解,且這些人發表的論文數量較多。雖然18.7%的人使用LLMs處理語法和格式,但許多人並未在作品中說明。大多數人(50.8%)認為LLMs將對未來有正面影響,尤其在編輯和文獻回顧方面,但也有呼籲制定規範以防止濫用的聲音,強調了建立倫理指導方針的必要性。 PubMed DOI

這篇論文探討了將日文定語從句翻譯成中文的挑戰,特別是名詞語義角色對翻譯的影響。研究指出目前機器翻譯工具的局限性,並透過範例分析提出了一種經ChatGPT測試的三步驟提示鏈接策略,翻譯品質顯著提升,平均分數提高超過43%。結果強調語言學知識在設計提示時的重要性,對於提升複雜句子的翻譯準確性至關重要。這項研究不僅連結了語言學理論與機器翻譯,還為優化大型語言模型的提示及改善語言教育工具提供了新見解。 PubMed DOI

這項研究探討如何利用大型語言模型(LLMs)來提升自然語言處理中的文本相似性理解。研究中,微調後的LLaMA模型(70億參數)在F1分數上達到84.9%,超越了先前的Siamese卷積神經網絡(82.02%)。此外,700億參數的LLaMA3.1模型也表現不俗,F1分數為74.4%。這顯示微調LLMs對特定任務的有效性,並建議可應用於履歷與職位匹配及學術投稿審稿人識別等領域。 PubMed DOI

大型語言模型(LLMs)有潛力改變高中數學的教學方式。雖然大部分研究專注於輔導學生,但對於如何幫助教師的探討仍然不足。本研究提出利用LLMs增強教學計畫,透過模擬教師與學生的互動並生成教學反思,進而指導LLM改善教學計畫。人類評估顯示,這種方法顯著提升了LLM生成的教學計畫質量,與人類教師創建的計畫相當。這不僅幫助教師排練模擬,還提供了完善教學計畫的見解,展現了LLMs在教學準備中的實際應用。 PubMed DOI

這項研究提出了一種方法,旨在為越南語這種低資源語言的醫療資訊創建訓練數據集,以微調大型語言模型(LLMs)。目的是改善醫療資訊的獲取,增強發展中國家的醫療溝通。研究過程中,選擇基礎模型並彙編約337,000對提示-回應對,使用低秩適應技術進行微調。微調後的模型在多項指標上表現優於基礎模型,顯示出其在越南語健康查詢中的潛力。雖然本地部署可提升數據隱私,但高計算需求和成本仍是挑戰,研究呼籲關注醫療差距,促進全球健康公平。 PubMed DOI

大型語言模型(LLMs),像是ChatGPT,已經徹底改變了學術界的科學寫作與研究,提供了全方位的支援。生成式人工智慧(GAI)工具在假設形成、方法設計、數據分析到手稿準備等各階段都有所改善。這篇評論專注於LLMs在血液學研究中的應用,特別提到提示工程和檢索增強生成(RAG)框架等技術。這些技術能幫助研究人員創造更準確的內容,並降低錯誤資訊的風險。儘管GAI工具提升了研究質量,但也強調了科學誠信、倫理考量及隱私保護的重要性。 PubMed DOI

大型語言模型(LLMs)徹底改變了人工智慧,特別是在生成文本方面。這些模型透過大量文本訓練,能生成連貫且具上下文的內容,應用範圍廣泛,從聊天機器人到內容創作,展現出驚人的語言理解與生成能力。它們能執行摘要、問答及創意寫作等任務,並透過微調技術針對特定需求進行客製化。隨著技術進步,LLMs 的應用也在擴展,並引發了關於倫理、偏見及社會影響的討論,標誌著人工智慧的一次重大進步。 PubMed DOI