大语言模型时代的社会机遇与挑战

大语言模型ChatGPT因其高度通用化和智能化的表现受到广泛社会关注,其引发的技术革命也正逐渐延伸为一场社会革命.在此背景下,基于ChatGPT背后大语言模型技术的演进路线与特征,探索大语言模型技术对社会的潜在机遇与挑战,成为当下社会的重要议题.首先回顾大语言模型技术发展,将其演进总结为3个发展阶段并论述关键技术特征,然后基于技术与社会互动视角分别探讨大语言模型技术引发的社会机遇：个人通用信息助理、科学研究新范式、产业基础设施、国家治理能力现代化有力工具,以及面临的潜在挑战：信息污染问题、社会权力分配问题、伦理和法制问题、意识形态安全问题.最后,对大语言模型技术发展及其与社会发展关系的未来展开一定思考与讨论.     

基于局部语义相关性的定义文本义原预测

作为人类语言的最小语义单位,义原已被成功应用于许多自然语言处理任务。人工构造和更新义原知识库成本较大,因此义原预测被用来辅助义原标注。该文探索了利用定义文本为词语自动预测义原的方法。词语的各个义原通常都与定义文本中的不同词语的语义有相关关系,这种现象被称为局部语义相关性。与之对应,该文提出了义原相关池化(SCorP)模型,该模型能够利用局部语义相关性来预测义原。在HowNet上的评测结果表明,SCorP取得了当前最好的义原预测性能。大量的定量分析进一步证明了SCorP模型能够正确地学习义原与定义文本之间的局部语义相关性。     

Agilent LC1100色谱仪使用和维护经验

本文从基本构造、操作要点、常见问题及对策、日常维护等方面介绍Agi-lent LC1100高效液相色谱议的相关知识,着重论述实际操作使用过程中的经验和体会,为正确、合理使用该仪器提供有价值的参考。     

基于中英平行专利语料的短语复述自动抽取研究

短语复述自动抽取是自然语言处理领域的重要研究课题之一,已广泛应用于信息检索、问答系统、文档分类等任务中。而专利语料作为人类知识和技术的载体,内容丰富,实现基于中英平行专利语料的短语复述自动抽取对于技术主题相关的自然语言处理任务的效果提升具有积极意义。该文利用基于统计机器翻译的短语复述抽取技术从中英平行专利语料中抽取短语复述,并利用基于组块分析的技术过滤短语复述抽取结果。而且,为了处理对齐错误和翻译歧义引起的短语复述抽取错误,我们利用分布相似度对短语复述抽取结果进行重排序。实验表明,基于统计机器翻译的短语复述抽取在中英文上准确率分别为43.20%和43.60%,而经过基于组块分析的过滤技术后准确率分别提升至75.50%和52.40%。同时,利用分布相似度的重排序算法也能够有效改进抽取效果。     

基于相关性和主成分分析的上犹名优绿茶品质评价

目的 比较8种上犹名优绿茶的品质。方法 对8种上犹名优绿茶进行感官审评和品质成分检测,采用相关性和主成分分析对结果进行综合评价。结果 8种上犹名优绿茶感官品质综合得分由高到低排序为:五指峰上洞茶厂云片>峻岭茗毫毛尖>油石嶂毛尖>忠誉鹰盘山黄金叶毛尖>陶氏茶业毛尖>营前雾毫毛尖=光菇山毛尖>犹江绿月毛尖;各茶样在品质成分含量上存在一定差异,水浸出物含量为32.62%～51.75%,可溶性糖含量为4.31%～5.37%,可溶蛋白含量为1.92%～2.22%,茶多酚含量为15.37%～18.97%,游离氨基酸含量为3.24%～5.71%,咖啡碱含量为3.52%～4.08%,黄酮含量为0.39%～0.61%;相关性分析结果显示,水浸出物、可溶性糖、茶多酚与汤色呈弱正相关,可溶性糖与香气呈弱正相关;游离氨基酸与滋味、香气呈弱正相关,咖啡碱与滋味、香气均呈高度正相关(P<0.05),相关系数分别为0.81和0.85;采用主成分分析法建立综合品质得分数学模型Y=0.4848Y1+0.1829Y2+0.1456Y3, 8个茶样综合品质得分由高到低依次是:陶氏茶...     

语言计算的重要国际前沿

该文在互联网规模语言信息处理的语境下,从语言计算基础模型、语言分析、语言资源建设、机器翻译、文本内容理解与问答等多个方面,对国内外相关重要动态进行了评述,讨论了语言计算的若干前沿问题及其对中文信息处理近期研究工作所提出的要求。     

电子电气废弃熟料污染在信息科技研究下如何回收再利用

电子设备的不断更新换代造就了越来越多的电子废弃物,对环境的污染也已经越来越严重,其中不可降解的塑料制品的大量使用不仅破坏了市容市貌,也严重污染了我们的生态环境,针对此问题本文对于电气电子废弃中塑料制品的回收及再利用进行了相关的研究,提出电子废弃物塑料制品再生化的发展的相关建议.     

A/O复合生物膜工艺处理石油炼化废水的实验研究

对比研究了A/O和A/O复合生物膜工艺处理石油炼化废水的效能,并对其微生物群落结构进行了分析。结果表明,A/O复合生物膜工艺对废水中COD、NH4+-N和TN的去除率分别为99%、95.5%和94.5%,高于A/O工艺的95%、80%和79%。投加填料提高了污泥VSS/TSS值和SVI值,同时促进了系统石油降解菌(缺氧池:Xanthomonas、Clostridium、Anaerolinea和Alcaligenes;好氧池:Clostridium、Pseudomonas和Comamonas)和硝化反硝化菌(缺氧池:Enterobacter、Zoogloea和Hyphomicrobium;好氧池:Nitrospira、Pseudomonas和Burkholderia)的富集。