我们开发了一种多功能道德价值检测方法，使用GPT 3.5进行零样本无监督多标签分类，无需标记数据训练。结果表明，自然语言推理方法的性能与Davinci模型相当。我们还比较了监督模型与无监督方法在不同领域的效果，评估了各自优劣，推动了道德价值检测的发展。

本论文介绍了为SemEval-2024任务3开发的多模态情绪原因分析系统，通过集成文本、音频和视频等多种模态来捕捉人际对话中的情绪。系统采用Llama 2模型和GPT-4V、GPT 3.5进行情绪和原因预测、基于对话的视频描述和上下文学习。在比赛中获得第四名，实验证明该解决方案性能显著提升。

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。