文献类型：期刊文章

作　　者：车万翔[4] 窦志成[11] 冯岩松[1] 桂韬[3] 韩先培[10] 户保田[5] 黄民烈[6] 黄萱菁[2] 刘康[9] 刘挺[4] 刘知远[6] 秦兵[4] 邱锡鹏[2] 万小军[1] 王宇轩[8] 文继荣[11] 严睿[11] 张家俊[9] 张民[5,7] 张奇[2] 赵军[9] 赵鑫[11] 赵妍妍[4]

Wanxiang CHE;Zhicheng DOU;Yansong FENG;Tao GUI;Xianpei HAN;Baotian HU;Minlie HUANG;Xuanjing HUANG;Kang LIU;Ting LIU;Zhiyuan LIU;Bing QIN;Xipeng QIU;Xiaojun WAN;Yuxuan WANG;Jirong WEN;Rui YAN;Jiajun ZHANG;Min ZHANG;Qi ZHANG;Jun ZHAO;Xin ZHAO;Yanyan ZHAO(Wangruan Institute of Computer Technology,Peking University,Beijing 100080,China;School of Computer Science,Fudan University,Shanghai 200438,China;Institute of Modern Languages and Linguistics,Fudan University,Shanghai 200433,China;Faculty of Computing,Harbin Institute of Technology,Harbin 150001,China;School of Computer Science and Technology,Harbin Institute of Technology,Shenzhen 518055,China;Department of Computer Science and Technology,Tsinghua University,Beijing 100084,China;School of Computer Science and Technology,Suzhou University,Suzhou 215006,China;Zhejiang Lab,Hangzhou 311121,China;Institute of Automation,Chinese Academy of Sciences,Beijing 100190,China;Institute of Software,Chinese Academy of Sciences,Beijing 100190,China;Gaoling School of Artificial Intelligence,Renmin University of China,Beijing 100872,China)

机构地区：[1]北京大学王选计算机研究所,北京100080 [2]复旦大学计算机科学技术学院,上海200438 [3]复旦大学现代语言学研究院,上海200433 [4]哈尔滨工业大学计算学部,哈尔滨150001 [5]哈尔滨工业大学(深圳)计算机科学与技术学院,深圳518055 [6]清华大学计算机科学与技术系,北京100084 [7]苏州大学计算机科学与技术学院,苏州215006 [8]之江实验室,杭州311121 [9]中国科学院自动化研究所,北京100190 [10]中国科学院软件研究所,北京100190 [11]中国人民大学高人工智能学院,北京100872

出　　处：《中国科学：信息科学》

年　　份：2023

卷　　号：53

期　　号：9

起止页码：1645-1687

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2023_2024、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：近期发布的ChatGPT和GPT-4等大型语言模型,不仅能高质量完成自然语言生成任务,生成流畅通顺,贴合人类需求的语言,而且具备以生成式框架完成各种开放域自然语言理解任务的能力.在少样本、零样本场景下,大模型可取得接近乃至达到传统监督学习方法的性能,且具有较强的领域泛化性,从而对传统自然语言核心任务产生了巨大的冲击和影响.本文就大模型对自然语言处理的影响进行了详细的调研和分析,试图探究大模型对自然语言处理核心任务带来哪些挑战和机遇,探讨大模型将加强哪些自然语言处理共性问题的研究热度,展望大模型和自然语言处理技术的未来发展趋势和应用.分析结果表明,大模型时代的自然语言处理依然大有可为.我们不仅可以将大模型作为研究方法和手段,学习、借鉴大型语言模型的特点和优势,变革自然语言处理的主流研究范式,对分散独立的自然语言处理任务进行整合,进一步提升自然语言核心任务的能力;还可就可解释性、公平性、安全性、信息准确性等共性问题开展深入研究,促进大模型能力和服务质量的提升.未来,以大模型作为基座,拓展其感知、计算、推理、交互和控制能力,自然语言处理技术将进一步助力通用人工智能的发展,促进各行各业的生产力进步,更好地为人类社会服务.

关 键 词：ChatGPT  对话式大模型  大型语言模型  自然语言处理 通用人工智能  

分 类 号：TP391.1] TP18[计算机类]