本文是LLM系列文章，针对《Survey on Reasoning Capabilities and Accessibility of Large Language Models Using Biology-related Questions》的翻译。
使用生物学相关问题对大型语言模型的推理能力和可访问性的调查
摘要
本研究论文讨论了过去十年在生物医学和大型语言模型方面取得的进展。为了了解这些进步是如何相互携手的，本文还讨论了自然语言处理技术和工具与生物医学的整合。最后，该论文的目标是通过为前两种语言模型引入新的问题和提示列表，来扩展去年（2023 年）进行的一项调查。通过这项调查，本文试图量化 LLM 推理能力的改进，以及普通用户对这些改进的感受程度。此外，本文旨在通过促使 LLM 深入回答开放式问题来扩展对生物文献检索的研究。
1 引言
2 相关工作
3 方法
4 结果
5 讨论结论
我开始这项调查的目的是量化 GPT3.5 和 GPT4 之间在一般推理能力和可访问性方面所做的改进。提高大型语言模型的能力将是自然语言处理研究的一个令人难以置信的里程碑。反过来，由于自然语言处理技术（和工具）用于生物信息学（生物医学的关键部分），因此这
标签：本文,Biology,Language,Models,模型,LLM,生物医学,自然语言,推理 From： https://blog.csdn.net/c_cpp_csharp/article/details/142998952