本文探讨了利用GPT 3.5从Project Gutenberg书籍中总结场景并创建阅读理解问题的方法，旨在训练和评估大型语言模型的长期记忆能力。研究提出了扩展上下文长度的策略，并发布了新的评估任务和数据集。同时，介绍了提高模型在内存有限设备上推理效率的多种技术，最终提出了UniMem框架和SinkLoRA策略，以应对长上下文处理的挑战。

本研究评估了多种大型语言模型在不良事件提取方面的能力，其中经过微调的GPT 3.5模型在严格匹配方面取得了0.704的平均微F1分数，松弛匹配方面为0.816。这表明LLMs在处理医疗数据方面具有潜力，并可能推广到其他AE提取任务。

独立开发者开发了一款名为Clippy的大眼夹应用，基于GPT 3.5的ChatGPT角色，已上架Microsoft Store，需要OPENAI API Key。应用提供内容提问、撰写等ChatGPT支持的功能。用户可前往Microsoft Store下载Clippy。