近日，一项新研究训练ChatGPT去识别灾难受害者社交媒体帖子中的位置信息，在精心构建的提示下，研究人员训练的“地理知识型”GPT模型从飓风哈维期间的推文中提取位置数据的准确率比默认GPT模型高76%。

灾难发生时，受害者经常会求助于社交媒体。然而，在灾难发生期间，急救人员往往没有资源来监控社交媒体的信息，无法根据各种标签确定哪些帖子最为紧急。假如一条推文中包含紧急且位置信息明确的求救信息。典型的模型，如命名实时识别工具可以被训练来识别完整的位置描述，但这需要一个针对特定地区的准确标记的位置描述的大型数据集。

尽管缺乏标记好的数据集，但急救人员对当地的地点描述方式有很多了解。如何快速有效地将这些地理知识融入机器学习模型中？答案是使用OpenAI的GPT，这是一种从数十亿个网页中训练出来的大型语言模型，能够产生类似人类的反应。通过简单的对话和正确的提示，研究人员认为GPT可以快速学会准确解读社交媒体帖子中的位置数据。

首先，研究人员向GPT提供了飓风哈维受害者的22条真实推文并告诉GPT帖子中的哪些词描述了地点以及描述的是什么样的地点，是地址、街道、十字路口，还是地标。然后，在另外978条飓风哈维推文中测试了地理知识型的GPT，要求其提取位置词，并猜测位置类别。结果显示，地理知识型的GPT模型在识别位置描述方面比没有地理知识的GPT模型好76%，比命名实体识别工具好40%。表现最好的是地理知识型的GPT-3和GPT-4，ChatGPT略落后。

GPT基本上将其已经阅读的大量文本与具体地理知识示例相结合，形成其答案。GPT具有快速学习和快速适应问题的能力。未来，研究人员计划使用GPT提取的位置描述来实际定位受害者，并找出能过滤掉与灾难无关或虚假帖子的方法。

（编译自：https://www.sciencedaily.com/releases/2023/12/231207161410.htm）