一、大语言模型(LLMS)和生成性人工智能技术的兴起
这一政策的动机是由大语言模型(LLMS)和生成铝辅助技术的兴起。该政策旨在为团队、顾问和法官提供更大的透明度和指导。这项政策适用于学生工作的各个方面，从研究和开发模型(包括代码创建)到书面报告。由于这些新兴技术正在迅速发展，COMAP将酌情完善这一政策。
二、团队必须对他们所有的工具的使用公开和诚实
一个团队及其提交的信息越透明，就越有可能是他们的工作能够得到别人的充分信任、赞赏和正确使用。这些披露有助于理解智力工作的发展和对贡献的适当承认。如果没有公开和明确的引用和人工智能工具的作用，它更有可能是有问题的段落和工作可以被确定为剽窃和取消资格。
三、负责任地使用人工智能工具
解决这些问题并不需要使用AI工具，尽管它们的负责任的使用是允许的。COMAP认识到LLM和生成性人工智能作为生产力工具的价值，可以帮助团队准备他们的提案，例如，为一个结构产生初步想法，或者在总结、解释、语言润色等方面。在模型开发的许多任务中，人类的创造力和团队合作是必不可少的，而依赖人工智能工具会带来风险。因此，我们建议谨慎使用这些技术时的任务，如模型的选择和建设，协助创建代码，解释数据和模型的结果，并得出科学的结论。
四、学习记忆模块和生成性人工智能的局限性
值得注意的是，学习记忆模块和生成性人工智能具有局限性，无法取代人类的创造力和批判性思维。COMAP建议团队在选择使用LLM时要注意以下风险：
客观性: LLM生成的文本可能会出现先前发布的包含种族主义、性别歧视或其他偏见的内容，一些重要的观点可能不会被呈现。
准确性: LLM可以产生“幻觉”，即生成虚假的内容，尤其是在其领域之外使用时，或在处理复杂或模糊的主题时。他们可以生成语言学上合理但科学上不合理的内容，他们可以得到错误的事实，他们已经被证明生成不存在的引用。一些有限责任公司只接受在特定日期之前发布的内容的培训，因此呈现的画面不完整。
语境理解: LLM不能将人类的理解应用到一段文本的上下文中，尤其是在处理习语表达、讽刺、幽默或隐喻性语言时。这可能会导致生成内容中的错误或误解。
训练数据: LLM需要大量高质量的训练数据来实现最佳性能。然而，在某些领域或语言中，这样的数据可能不容易获得，从而限制了任何输出的有用性。
五、团队指南
报告中明确指出LLM或其他人工智能工具的使用情况
在报告中明确指出LLM或其他人工智能工具的使用情况，包括使用的模型和目的。请使用内联引用和参考部分。在25页的解决方案后面附加AI使用报告(如下所述)。
验证内容和语言模型产生的引用的准确性、有效性和适当性
验证内容和语言模型产生的任何引用的准确性、有效性和适当性，并纠正任何错误或不准确之处。
提供引用和参考，遵循指导
提供引用和参考，遵循此处提供的指导。仔细检查引文，以确保其准确性和正确引用。
意识到剽窃的可能性
要意识到剽窃的可能性，因为LLM可能会从其他来源复制大量的文本检查原始来源，以确保你没有抄袭别人的工作。
引用和参考指南:
仔细考虑如何记录和引用团队可能选择使用的任何工具。各种风格指南开始纳入引用和引用AI工具的政策。使用内联引用并列出25页解决方案参考部分中使用的所有AI工具。
无论团队是否选择使用AI工具，主要的解决方案报告仍然被限制在25页之内。如果一个团队选择使用AI，在报告结尾处添加一个新的部分，标题为AI的使用报告。这个新的部分没有页数限制，也不会被算作25页解决方案的一部分。
例子(这不是详尽无遗的一一根据你的情况调整这些例子):
AI使用情况报告
OpenAI ChatGPT (2023年11月5日版本，ChatGPT-4)
查询1:《在AI工具中插入您输入的确切措辞》
输出:《插入AI工具的完整输出》
OpenAI Ernie (2023年11月5日版本，Ernie4.0)
查询1:《在AI工具中插入任何后续输入的确切措辞》
输出:《插入第二个查询的完整输出》
Github CoPilot (2024年2月3日版)
问题1:“将您输入的确切措辞插入到AI工具中
输出:《插入AI工具的完整输出》
谷歌巴德 (2024年2月2日版本)
查询:《插入您查询的确切措辞
输出:《插入AI工具的完整输出》