AI论文助手

研究人员对ChatGPT进行了考试测试，发现AI在研究生法律和商业管理课程中取得了平均成绩C和B-到B的成绩，显示出其在基本规则和理论总结方面强，但在具体案例分析和高级流程问题上表现欠佳。虽然 AI 能勉强通过考试，但专家建议学生应定制学习以提高效果，并指出AI可能被作弊者用于生成标准答案。关于限制技术使用或改变题库的讨论持续进行。极少数AI反对者认为应该限制ChatGPT以防止作弊，而大学教育者则认为基本技能仍需学生亲自掌握。沃顿商学院教授Terwiesch认为技术有可能节省教学时间。

上海科技大学生物医学工程学院线上MICS学术沙龙活动聚焦ChatGPT在医学影像领域的应用潜力，参与学者探讨如何提升其专业领域表现。尽管ChatGPT在该领域有所局限，需要迁移和训练知识以克服，但专家如刘伟强调多模态学习的必要性，通过结合不同数据类型以适应临床工作。李响团队尝试利用专业知识图谱辅助ChatGPT，闫平昆则认为文字作为学习对象的优势值得探索，而沈定刚认为支持年轻人才发展和产学研结合是关键，他提到美国在AI研究领域的前瞻性和数据积累对当前技术发展有重要影响。这次讨论展现了人工智能与医学的交叉融合，预示着未来可能的合作模式和技术创新。

中公教育在2022年度业绩说明会上回应了投资者关于AI布局、学员退费、直播电商及乡村振兴等问题。公司已启动“修复整固行动”，解决退费问题并寻求资金支持。随着市场需求复苏，公职类招考人数有望增长，中公计划线上线下同时推进业务恢复，并聚焦就业服务提升，以满足产业与学生需求。

2022年，ChatGPT的成功发布引起了全球科技圈的轰动，而它的成熟应用也成为了AIGC时代到来的标志。目前，AIGC已经以超乎人们预期的速度迅速催生了全新的科技系统与产业格局。2023年4月20日，AI TIME举办的大模型专场三活动邀请了韩国庆熙大学助理教授张超宁和他的合作学生，来自韩国科学技术院的博士生张晨爽、韩国科学技术院硕士生张梦纯、北京理工大学博士生郑胜、韩国庆熙大学博士生乔羽。五位嘉宾分享了多篇与ChatGPT，AIGC和扩散模型相关的综述论文，从不同的角度介绍了生成式AI的最新进展，展望了生成式AI面临的机遇和挑战。 张超宁 Generative AI 张老师首先介绍了自己的个人学习和工作经历，然后给大家分析了人工智能前沿领域等面临的难题与挑战，并展示了自己目前已有的一些研究工作和成果，最后重点阐述了自己对下一步研究方向——Segment Anything Model的研究思路和创新观点，并热情邀请对计算机视觉、机器学习等领域有兴趣的研究者在后期进行更加深入的交流与合作。 Segment Anything项目是一个用于图像分割的新任务、模型和数据集，研究者旨在通过引入三个相互关联的组件来构建分割的基础模型：即时分割任务、支持数据注释并通过即时工程将零样本传输到一系列任务的分割模型。SAM目前解决了视觉领域模型泛化性弱的问题，并且在边缘检测方面的性能较好，张老师提到，后期将从SAM模型的扩展性以及数据的高效性两个角度开展与其他模型的交叉应用研究。 张晨爽 Text-to-image Diffusion Models in Generative AI: A Survey Diffusion Model最早在图像领域因为其强大的图像生成能力而获得了巨大的关注。其中，文本-图像的扩散生成模型是一项令人印象深刻的工作。这篇综述主要从背景、创始工作、应用场景三个方面介绍了扩散模型是如何应用到文本-图像生成之中的。 张晨爽首先介绍了文本-图像任务的具体定义和历史上经典的里程碑式的研究工作，其中重点介绍了DALL-E模型的理论思想以及扩散模型的工作原理及其相较于Autoregressive models在解决实际问题上的优势；其次详细分析了扩散模型应用在文本-图像的4项经典工作，共可以分为两大类——Frameworks in pixel space、Frameworks in latent space；然后梳理了在最新工作中最主要的4类改进方向：模型结构、用于空间控制的草图、用于概念控制的文本转变、超分布的检索方法。最后介绍了文本-图像任务在实际生活中的应用，主要有：视觉艺术生成、视频生成、3D对象生成、文字引导图像编辑等。 在第二篇音频扩散模型的工作中，张晨爽着重介绍了研究者重点关注的两大任务——Text To Speech、Speech Enhancement。其中重点分析了Text To Speech的发展阶段和Speech Enhancement在研究过程中的需要解决的两大任务：语音增强、提高语音的超分辨率。 张梦纯 A Survey on Graph Diffusion Models： Generative AI in...