基于GPTs个性化定制SCI论文专业翻译器

1. 什么是GPTs

GPTs是OpenAI在2023年11月6日开发者大会上发布的重要功能更新,允许用户根据特定需求定制自己的ChatGPT模型。

Introducing GPTs 官方介绍页面icon-default.png?t=N7T8https://openai.com/blog/introducing-gpts

在原有自定义ChatGPT的流程中,首先需要自己编制prompts和各种指令,每次新对话都需要重新复制粘贴到ChatGPT对话中,用户操作繁复。OpenAi为了应对不断增长的定制化功能的需求,终于推出了GPTs,以允许用户创建特定用途定制ChatGPT版本

目前,ChatGPT Plus用户已经可以使用GPTs创建并分享个性化的My GPTs模型。自定义的GPTs模型有两种配置方式,包括:

(1)通过自然语言与GPT Builder交流:GPT Builder会对于自定义GPT的名字、头像(可以由DALL·E生成)、希望实现的功能等进行提问,根据用户回答在GPT Configure中生成对应的NameDescriptionInstructionsConversation starters

(2)直接自定义Configure:包括GPT名称(Name)功能描述(Description)预定义指令(Instructions)用户首次使用可以参考的提示语(Conversation starters)知识库(Knowledge, 用户自主上传文档)增强功能(网页搜索、AI 绘画DALL·E、代码分析器)、其他拓展(Action: GPT retrieve information or take actions outside of ChatGPT)、隐私设置等。


    

图为自然语言(左)直接定义(右)两种方式自定义GPTs。

2. 实际应用:创建一个基于GPTs开发专业的中英文翻译器

下面将根据本人的实际需求出发,创建一个基于GPTs的适用于自己所在专业的中英文翻译器,翻译器中集成了中英互译对照表,并具有一定的专业理论与专业知识。最终效果如下图所示。

2.1 专业中英文翻译的需求

目前市面上场景的机器翻译产品均不能很好满足需求。通用翻译器,例如百度翻译与谷歌翻译,其对于专业词汇翻译不准确;DeepL翻译器的术语表需要高级付费订阅,并且在今年才新加入中英术语对照功能;SDL Trados面向专业译者,定义术语表等功能使用复杂;原有chatGPT产品,每个新对话均需要将术语表和指令重新键入一次,重复性操作多,非常繁琐。因此,使用新发布的用户自定义GPTs模型,将专业术语和专业知识整合,并可以检索专业理论和语料库,能够充分满足需求。

笔者是轨道交通专业,希望创建一个基于GPT的英文学术论文翻译器,便于将中文手稿转换至专业的英文论文形式。在中英转换过程中,需要保证术语翻译的准确性。此外,自定义的GPT模型还应具有英文论文翻译至中文的能力,便于我阅读英文文献。

打开chatGPT用户界面,在左上角Explore中具有Create a GPT的菜单。

点击后可以选择是基于自然语言创建的Create模式,或者直接定义好prompts的Configure模式两者之间可以随时切换使用。

在Create模式中,通过与GPT Builder对话交流所定义的GPT,可以自动填充至对应的Configure内容

因此,可以先使用Create模式创建大体框架,再检查Configure模式修缮定义细节。

2.2 定义GPT模型

以下InstructionsPrompts均是使用英文进行的定义,会给出对应的中文翻译和如此定义的原因。

1) Name(GPT模型名称)

Railway academic translator 

参考翻译:铁路学术翻译器

2)Description(出现在名称下面的功能描述)

Translates papers, prioritizing academic writing standards.

参考翻译:翻译论文,优先考虑学术写作标准。

3)Instructions(GPTs指令)

The Railway academic translator is designed to translate railway transportation academic papers between Chinese and English, prioritizing academic writing standards and terminology accuracy for SCI journals. It retains original Chinese or English names for personal names. In cases of ambiguous or unclear text, it seeks further information from the user or offers multiple translation interpretations. It utilizes a detailed Chinese-English terminology glossary for precise and reliable translations in this field. An important update is to preserve original citations, such as [1], in the translated content, ensuring they are not altered or formatted incorrectly. This allows for easy reference and comparison with the original document.


参考翻译:Railway academic translator旨在将铁路运输领域的学术论文在中文和英文之间进行翻译,优先考虑符合SCI期刊的学术写作标准和术语准确性。它保留原文中的中文或英文个人名字。在文本含糊不清或不明确的情况下,它会向用户寻求更多信息或提供多种翻译解释。这款翻译器使用详细的中英术语对照表,以确保在此领域内进行精确可靠的翻译。一个重要的更新是保留原始文献中的引用,如[1],以确保它们在翻译内容中不被更改或格式化错误。这样可以方便地与原始文档进行参照和比较。

注意:

a) 保留原文中的中文或英文个人名字 

为了便于根据原名进行论文检索,这要求在汉译英之前的中文稿件中也同时保持英文名称书写

b) 在文本含糊不清或不明确的情况下会向用户寻求更多信息 

由于术语表可能不够完整,因此当出现让chatGPT对于术语翻译出现困惑时,能够询问用户请求给予更详细的解释

c) 保留原始文献中的引用,如[1]

GPTs目前具有网页搜索功能,会返回带有引用符号的文本链接,这可能与英文论文写作中的引用发生富文本形式类型上的冲突,而将原文的引用删除。需要通过此Prompts保留原论文中的引用。

4)Conversation starters(用于提示用户,一键提问)

笔者撰写了四条:

  • Please enter the paragraph you want to translate.
  • 请键入希望翻译至英文的中文论文段落
  • Do you need a translation for academic terms?
  • 需要在非母语英文学术写作中获得帮助吗?

5) Knowledge(知识库,用于GPTs在回答问题前的检索)

Conversations with your GPT may include file contents. Files can be downloaded when code interpeter is enabled. 与GPT的对话可以包括文件内容。当启用code interpeter程序时,可以下载文件。

用户自定义的文档,支持各种常见的文本文档、电子表格、演示文档等格式,每个用户单文件上限500MB,一次最多上传10个文件,每个用户总文件上限为10GB。

具体规定请参考:
ChatGPT上传文件相关问题 | OpenAI Help Centericon-default.png?t=N7T8https://help.openai.com/en/articles/8555545-uploading-files-with-advanced-data-analysis-in-chatgpt实际使用过程中,Word、PDF、CSV等均可以识别使用。但是,当文档内容超过数十MB时,检索速度就会比较长(可能持续数十秒)。因此,在使用时注意知识库的精简和重点突出

笔者上传了两份文件,分别是我自己整理的中英文对照表word文档,和一份本专业领域的文献综述。我上传的专业名词术语库是使用自然语言定义的。

 

如上图所示,自定了专业术语表(左),也上传了专业相关的文献综述文档(右)。

6) Capabilities

根据需要选择是否需要网页检索与图片生成功能。

  • Web Browsing
  • DALL·E Image Generation

在完成上述定义后,右上角可以选择是否公开此GPT(Public)。

每次修改Configure之后,会提示需要Update模型

3. 使用测试

返回chatGPT初始界面,选择Explode,进入自定义的My GPTs陈列区。

单击对应的模型即可使用。

3.1 中文论文翻译至英文

找了一篇很久之前下载的论文摘要部分,复制段落给My GPTs,并将其翻译为英文。

翻译准确,术语使用规范。中英文对应较好。由于语言润色暂时不在此GPTs考虑范畴内,因此可以判断此GPTs已经优秀的完成了任务。

作为对比,给出某度翻译的结果,不准确或者错误的翻译使用下划线表示。并且,通读下来译文的质量对比也是一目了然。

Independent rotating wheel is the key technology to realize 100% low floor truck. Unlike rigid wheelsets, after the left and right wheels are decoupled, the independently rotating wheels no longer have the ability of linear alignment and curve guidance, which hinders the application of independently rotating wheels. ... Taking the actual research object as an example, this paper constructs the SIMPACK dynamic model of the independent rotating wheel, and simulates the straight line neutral energy and curve guidance performance of the independent rotating wheel in SIMPACK. The simulation results show that the bogie with independent rotating wheels does not have the ability of linear alignment and curve guidance. PI control, LQG control and μ Based on three control strategies, the SIMPACK dynamic model of the vehicle with independent rotating wheels is established. Then a co simulation model is established. The simulation results show that the three control strategies can significantly improve the straight alignment and curve guidance performance of the independently rotating wheel. From the perspective of control effect, the control effect of PI controller and LQG controller is equivalent. The difference is that the control process of PI controller is smoother and the lateral displacement curve is smoother. Under the action of LQG controller, the independently rotating wheels can quickly return to the track center after leaving the track curve. μ The integrated controller can make the independently rotating wheels return to the center of the track, but it takes a long time.

3.2 英文SCI论文翻译至中文

从笔者研究领域的一篇SCI论文PDF文档之中复制一段,让其翻译为中文。

中文翻译结果如下图所示。总体翻译准确,易于理解,并很好保留了论文的原意。其中,“重新附着控制”对应的re-adhesion control没有出现在术语表之中,因此翻译不准确,可以通过术语表的修订解决此问题。

作为对比,某度翻译无法实现自动去除PDF复制出来的分行(当然可以使用知云翻译器等方式自动整理段落)。整理段落后,虽然整体上能够传递给读者大致的内容信息,但是诸多术语依然翻译的不准确。当然,百度推出的AI大模型翻译可能相比于传统机器翻译有所改善,这需要更多的测试,不做展开。

3.3 专业问题询问

询问专业问题,默认调用了Bing搜索,文章来源主要是ScienceDirect、SPRINGER LINK等数据库。

可以通过对话指定GPTs从知识库中搜索问题答案。当然,由于术语表定义还不够完善,以下出现了部分翻译的纰漏。但是主要回答是比较全面的,可以充当一个简便的学术论文总结工具

 

4. 结语(由chatGPT总结和撰写)

GPTs的推出预示着定制化智能服务的无限可能。通过本文的介绍和实践案例,我们已经看到了基于GPTs的个性化定制专业翻译器提高翻译效率精确度便捷性方面的显著优势。定制化的ChatGPT模型使得专业翻译不再受限于通用翻译工具的局限性,能够更精准地处理专业术语和复杂语境。通过集成了先进的网页搜索和AI绘图功能,使得翻译过程更为全面和生动。更重要的是,用户可以根据自己的专业需求和喜好,定制独一无二的GPT模型,这不仅提高了工作效率,也增加了个性化体验。当然,我们也应意识到,这项技术仍处于发展阶段,在处理极其复杂的语境或特定的专业知识时,可能还需人工干预以确保翻译的准确性。

展望未来,随着技术的不断完善和用户体验的进一步优化,基于GPTs的个性化定制专业翻译器将在更多领域发挥巨大作用,不仅限于学术翻译,还可能延伸至商务、法律等多个专业领域。这将极大地推动人工智能在语言处理领域的应用,开启全新的翻译时代。在这个充满挑战与机遇的新时代,我们期待GPTs个性化定制专业翻译器为我们带来更多的惊喜和便利,共同探索人工智能与语言艺术的无限可能。

#SCI论文 #chatGPT #人工智能 #GPT-4 #机器翻译 #AI #英汉互译 #语料库 #轨道交通

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/140113.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

SOME/IP 协议介绍(四)RPC协议规范

RPC协议规范 本章描述了SOME/IP的RPC协议。 传输协议绑定 为了传输不同传输协议的SOME/IP消息,可以使用多种传输协议。SOME/IP目前支持UDP和TCP。它们的绑定在以下章节中进行了解释,而第[SIP_RPC_450页,第36页]节讨论了选择哪种传输协议。…

消息中心常见解决方案分享

解决方案 1、问题2、设计3、流程 看了大部分的消息中心解决方案,发现大家的中心思想都大差不差,区别基本都是在符合自身业务场景的做了一些定制化处理。本文为我对消息中心基本骨架的知识梳理,亦在帮助大家对消息中心设计有一个基本的理解。 …

Spring 常见面试题

1、Spring概述 1.1、Spring是什么? Spring是一个轻量级Java开发框架,目的是为了解决企业级应用开发的业务逻辑层和其他各层的耦合问题Spring最根本的使命是解决企业级应用开发的复杂性,即简化Java开发。这些功能的底层都依赖于它的两个核心特性,也就是…

vscode 访问本地或者远程docker环境

1、vscode 访问docker本地环境 直接点击左下角连接图标,弹出选项可以选择容器,只要容器在本地运行者,选择attach可以看到运行中的容器可以选择,选择其中需要选择的就行 ## 运行容器,可以-d后台运行都可以 docker run…

原型模式 rust和java的实现

文章目录 原型模式介绍优点缺点使用场景 实现java 实现rust 实现 rust代码仓库 原型模式 原型模式(Prototype Pattern)是用于创建重复的对象,同时又能保证性能。 这种模式是实现了一个原型接口,该接口用于创建当前对象的克隆。当…

POJ 3254 Corn Fields 状态压缩DP(铺砖问题)

一、题目大意 我们要在N * M的田地里种植玉米,有如下限制条件: 1、对已经种植了玉米的位置,它的四个相邻位置都无法继续种植玉米。 2、题目中有说一些块无论如何,都无法种植玉米。 求所有种植玉米的方案数(不种植也…

JavaWeb Day08 Mybatis-入门

目录 ​编辑​编辑​编辑 一、快速入门程序 ①准备工作 ②引入Mybatis相关依赖,配置Mybatis ③编写SQL(注解/XML) ④单元测试 ⑤相关代码 1.pom.xml 2. application.properties 3.User.java 4. UserMapper.java 5.Test.java ⑥配置…

2390 高校实验室预约系统JSP【程序源码+文档+调试运行】

摘要 本文介绍了一个高校实验室预约系统的设计和实现。该系统包括管理员、教师和学生三种用户,具有基础数据管理、学生管理、教师管理、系统公告管理、实验室管理、实验室预约管理和系统管理等模块。通过数据库设计和界面设计,实现了用户友好的操作体验…

Halcon WPF 开发学习笔记(3):WPF+Halcon初步开发

文章目录 前言在MainWindow.xaml里面导入Halcon命名空间WPF简单调用Halcon创建矩形简单调用导出脚本函数 前言 本章会简单讲解如何调用Halcon组件和接口,因为我们是进行混合开发模式。即核心脚本在平台调试,辅助脚本C#直接调用。 在MainWindow.xaml里面…

如何安装Node.js? 创建Vue脚手架

1.进入Node.js官网,点击LTS版本进行下载 Node.js (nodejs.org)https://nodejs.org/en 2.然后一直【Next】即可 3.打开【cmd】,输入【node -v】注意node和-v中间的空格 查看已安装的Node.js的版本号,如果可以看到版本号,则安装成功 创建Vue脚手…

Python使用SQLAlchemy操作sqlite

Python使用SQLAlchemy操作sqlite sqllite1. SQLite的简介2. 在 Windows 上安装 SQLite3. 使用SQLite创建数据库3.1 命令行创建数据库3.2 navicat连接数据库 4.sqlite的数据类型存储类SQLite Affinity 类型Boolean 数据类型Date 与 Time 数据类型 5. 常用的sql语法**创建表(CREA…

微软和Red Hat合体:帮助企业更方便部署容器

早在2015年,微软就已经和Red Hat达成合作共同为企业市场开发基于云端的解决方案。时隔两年双方在企业市场的多个方面开展更紧密的合作,今天两家公司再次宣布帮助企业更方便地部署容器。 双方所开展的合作包括在微软Azure上部署Red Hat OpenShift&#xf…

竞赛 题目: 基于深度学习的疲劳驾驶检测 深度学习

文章目录 0 前言1 课题背景2 实现目标3 当前市面上疲劳驾驶检测的方法4 相关数据集5 基于头部姿态的驾驶疲劳检测5.1 如何确定疲劳状态5.2 算法步骤5.3 打瞌睡判断 6 基于CNN与SVM的疲劳检测方法6.1 网络结构6.2 疲劳图像分类训练6.3 训练结果 7 最后 0 前言 🔥 优…

手机开机入网流程 KPI接通率和掉线率

今天我们来学习手机开机入网流程是怎么样的。以及RRC连接和重建流程(和博主之前讲TCP三次握手,四次挥手原理很相似)是什么样的,还有天线的KPI指标都包括什么,是不是很期待啊~ 目录 手机开机入网流程 ATTACH/RRC连接建立过程 KPI接通率和掉…

安全通信网络(设备和技术注解)

网络安全等级保护相关标准参考《GB/T 22239-2019 网络安全等级保护基本要求》和《GB/T 28448-2019 网络安全等级保护测评要求》 密码应用安全性相关标准参考《GB/T 39786-2021 信息系统密码应用基本要求》和《GM/T 0115-2021 信息系统密码应用测评要求》 1网络架构 1.1保证网络…

hive和spark-sql中 日期和时间相关函数 测试对比

测试版本: hive 2.3.4 spark 3.1.1 hadoop 2.7.7 1、增加月份 add_months(timestamp date, int months)add_months(timestamp date, bigint months)Return type: timestampusage:add_months(now(),1) 2、增加日期 adddate(timestamp startdate, int days)…

【C++】特殊类实现——设计一个类、不能被拷贝、只能在堆上创建对象、只能在栈上创建对象、不能被继承、单例模式、饿汉模式、懒汉模式

文章目录 C特殊类实现1.设计一个类、不能被拷贝2.设计一个类、只能在堆上创建对象3.设计一个类、只能在栈上创建对象4.设计一个类、不能被继承5.设计一个类,只能创建一个对象(单例模式)5.1饿汉模式5.2懒汉模式 C 特殊类实现 1.设计一个类、不能被拷贝 在C中&#x…

node插件MongoDB(四)—— 库mongoose 操作文档使用(新增、删除、更新、查看文档)(二)

文章目录 前言(1)问题:安装的mongoose 库版本不应该过高导致的问题(2)重新安装低版本 一、插入文档1. 代码2. node终端效果3. 使用mongo.exe查询数据库的内容 二、删除文档1. 删除一条2. 批量删除3. 代码 三、修改文档…

pyTorch Hub 系列#4:PGAN — GAN 模型

一、主题描述 2014 年生成对抗网络的诞生及其对任意数据分布进行有效建模的能力席卷了计算机视觉界。两人范例的简单性和推理时令人惊讶的快速样本生成是使 GAN 成为现实世界中实际应用的理想选择的两个主要因素。 然而,在它们出现后的很长一段时间内,GA…

案例续集留言板

前端没有保存数据的功能,后端把数据保存下来(内存,数据库等等......) 前端代码如下 : <!DOCTYPE html> <html lang"en"><head><meta charset"UTF-8"><meta name"viewport" content"widthdevice-width, initia…