The dangers of using proprietary LLMs for research - Ensai, Ecole Nationale de la Statistique et de l'Analyse de l'Information
Article Dans Une Revue Nature Machine Intelligence Année : 2024

The dangers of using proprietary LLMs for research

Étienne Ollion
Centre de Recherche en Économie et Statistique
Rubing Shen
médialab (Sciences Po)
Ana Macanovic
Universiteit Utrecht / Utrecht University [Utrecht]
Arnault Chatelain
Centre de Recherche en Économie et Statistique

Résumé

The release of ChatGPT at the end of 2022 has thrust large language models (LLMs) into the limelight. In this paper, we discuss the merits and limits of using proprietary LLMs for (social) scientific research.

Mots clés

LLMs

Domaines

Informatique [cs]
Fichier principal
Vignette du fichier
NMI_Resubmission_Nov30_2023.pdf (431.06 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Etienne Ollion  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-04825849

Soumis le : dimanche 8 décembre 2024-18:11:26

Dernière modification le : mercredi 11 décembre 2024-03:36:13

Télécharger pour visualiser

Dates et versions

hal-04825849 , version 1 (08-12-2024)

Identifiants

Citer

Étienne Ollion, Rubing Shen, Ana Macanovic, Arnault Chatelain. The dangers of using proprietary LLMs for research. Nature Machine Intelligence, 2024, 6 (1), pp.4-5. ⟨10.1038/s42256-023-00783-6⟩. ⟨hal-04825849⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

X SCIENCESPO GENES CNRS ENSAE CREST ENSAI X-CREST IP_PARIS MEDIALAB SCPO_OA
0 Consultations
0 Téléchargements

Altmetric

Partager

More