一年后ChatgPT启动

查特哥特跳上世界舞台已有一年AI-ower文本生成器有目共睹的可信自然声音响应并快速证明广受欢迎-目前接近2亿用户一年后, 问题仍然是大语言模型(LLMs)能帮助工具如CatGPT将证明对科学有用或只是分散注意力

hatbots并非新创创创 可追溯至1960年代使用大量数据训练它们的能力 近些年来超载域上传脏话令令他们的父母难堪-也许不奇怪-研究者快速发现 复杂聊天机如CatateGPT可回馈基本科学问题合理解答时 不久即会跌倒挑战更多技术.类似事件导致LLMs被批评者斥为单纯的句子生成者训练LMs上网而不过滤内容和可靠性显然不会成功创建有用的AI实验助手选择何在

一种显而易见的解决办法是训练他们使用可信数据源研究者对ChemCrow所做的LLM使用实战化学工具学习交易连接到自动化合成平台后,ChemCrow可被告知例如昆虫驱散之后它使用可信来源进行研究,规划合成并制作已知驱虫化合物

LLMs还接受化学杂志培训在一个实例中创建了“ChatGPT猎人”,它能判断化学论文是否有效曾用高精度LLM写作.

微信科学实用性仍存疑ChemCrow示范给人留下深刻印象,但所实现的并非超出博士候选者的技能范围。对外包检验机器人手稿有明显的顾虑广度上还有可复制性问题和AI黑盒性质-当工具实现解答时,没有人能肯定地说到底发生了什么需要的是时间思考LLMs和ilk工具类正确使用它们需要时间,因为我们理解它们的局限性尽管有这些警告词 很难不感到一小段欢乐 关于AI实验助手的想法带上未来