BioMedGPT：生物医药领域的基础大模型，能否引领智力涌现？
BioMedGPT-1.6B是一款专为生物医药领域设计的基础大模型，通过集成多模态Encoder处理分子、蛋白质和文献等信息，实现了知识融会贯通。尽管目前规模较小，但团队已取得进展，并旨在服务于科研人员。项目源于对自然语言序列与生物科学数据相似性的观察，目标是利用专业知识辅助科研任务。团队虽未达到AGI水平，但仍充满信心，相信项目的公开将推动行业合作并促进技术进步。
ChatGPT真能理解化学？LLMs在任务中的精确度调查…
LLMs在处理化学领域问题时展现出不同水平的理解能力，作者通过模拟未使用技巧的情况，发现其准确率在25%至100%之间，关键因素包括提示的命中率和模型对复杂概念的理解。尽管ChatGPT在某些任务上表现突出，如LogP值预测和部分配位化合物结构，但在SMILES转换、SELFIES理解和大型烃类区分上仍存在混淆和错误。虽然模型在一些特定任务中表现出色，但处理全面且复杂的化学问题时还需改进。实验工作者不必过于担心LLMs的挑战，而应寻求AI工具来辅助解决难题。
ChatGPT引领AI新时代？IBM专家揭示商业Chat与通用AI的秘密
1956年达特茅斯会议上AI概念诞生，随后经历两次低谷三次浪潮；ChatGPT的出现和成功标志着人工智能新时代的到来。IBM刘胜利分享了Watson智能对话机器人的商业应用经验，强调通用AI在决策中的局限性以及商用AI对理解业务、个性化服务等严格要求。专家周德标指出，ChatGPT引领AI热潮，将推动医疗等领域的数字化转型，并通过大语言模型开发商业AI以替代人工，预示科技革命的到来。
ChatGPT在生物医药领域的语义魔力：零-shot实力大挑战，实体与关系的超凡探索？
《ChatGPT在生物医药领域的应用与挑战》自ChatGPT面世以来，医药领域掀起应用热潮，因其强大的语义理解和知识推理能力。研究发现ChatGPT的Zero-Shot能力在中文信息抽取，尤其是实体识别任务上表现出色，接近或超越领域fine-tune模型。然而，其在实体召回率和嵌套实体识别方面存在不足，如未完全识别"肿瘤干细胞分化"和处理复杂关系的能力有限。尽管如此，ChatGPT展现出强大的语义理解，能完成非连续实体提取和对齐任务，并在关系抽取中根据指令进行合理推理。然而，它的结果不稳定性及对于特定关系的解释能力有待优化，如不能准确识别"治疗关系"和提取完整生物过程实体，这些都可能成为其实际应用中的挑战。总体来说，ChatGPT为医药信息处理带来了革命性可能，但未来还需通过技术优化和领域适应来确保稳定、精准的抽取结果。