ChatGPT生成的代码：准确性与挑战
该文介绍了一篇关于ChatGPT生成的代码准确性的研究报告。研究发现，尽管ChatGPT生成的代码在某些情况下看似准确，但实际上有很多错误的代码，因此需要人工监督。作者提出了一个新的测评方法，并通过EvalPlus改进了这类数据集的输入类型和功能描述，以测试ChatGPT和其他AI生成的代码准确性。结果显示，经过严格测试后，这些AI的生成准确率有所下降。
大型语言模型在学术研究中的应用与挑战
近期，ChatGPT在学术研究中的应用日益广泛，引发Nature担忧。文章指出，学生和研究者可能借助大型语言模型生成的内容，导致研究不可靠。为此，Nature提出相应规定并呼吁明确标识使用情况，同时科技界正在研发相关识别技术。
AI论文检测：Antiplagiarism开放新功能
这篇文章介绍了一种新的抗剽窃算法已面向Antiplagiarism付费用户开放，能识别GPT-2、GPT-3和ChatGPT语言模型生成的论文内容。一旦检测到AI生成的痕迹，系统会将相关材料标记并将其文档状态改为“可疑”。该算法的执行者尤里・契诃维奇认为，神经网络总是留下痕迹，所有生成的文本和人工书写都存在差异，因此可以识别出由人工智能创建的文档。Antiplagiarism网站利用全球最大的开放数据库进行检测，以确保不存在数字抄袭。
ChatGPT在美国放射学委员会考试中的表现引起关注
ChatGPT通过了美国放射学委员会的考试，其基于GPT-3.5的版本在150道选择题中正确率为69%，在低阶思维问题上表现较好但在高阶思维问题上的正确率仅为60%，而性能更优异的GPT-4正确率为81%，在和高阶思维问题上的正确率为81%，但低阶思维问题的正确率仅为80%。这引发了研究团队对GPT-4收集信息的可靠性的担忧。