由GPT-4和Google Gemini生成的高与相关的培训计划的可复制性和质量,由指导专家评估
Tim Havers1,2, Lukas Masur3, Eduard Isenmann1,4
1Department of Fitness and Health, IST University of Applied Sciences, Düsseldorf, Germany.
Biology of sport
|April 4, 2025
概括
大型语言模型 (LLM) 可以重复生成阻力训练 (RT) 计划. 提供详细提示可以提高计划质量,GPT-4在专家评估中表现优于Google Gemini (GG).
科学领域:
- 人工智能的人工智能
- 运动科学 运动科学
- 运动医学 运动医学
背景情况:
- 大型语言模型 (LLM) 越来越多地用于生成培训计划.
- 有限的研究存在于LLM产生的培训计划的可重现性和质量.
研究的目的:
- 通过谷歌双子座 (GG) 和GPT-4生成的肌肉缩阻力训练 (RT) 计划的质量进行比较.
- 评估由LLM生成的RT计划的可重复性,使用多次相同的提示.
主要方法:
- 使用两个不同的提示 (低信息密度和高信息密度) 与GG和GPT-4生成了八个RT计划.
- 12名教练专家使用基于文献衍生标准的5分利克特级别来评估计划.
主要成果:
- 观察到高可重现性;28个项目中有27个项目在重复的提示输入之间没有显著差异 (p > 0.05).
- 与GG相比,GPT-4在RT质量标准上获得了更高的评分 (p = 0.000-0.043).
- 提示的信息密度更高导致RT计划质量评级明显提高 (p = 0.000-0.037).
结论:
- 当提供相同的提示时,LLM可以生成具有一致质量的可重现的抵抗训练计划.
- 快速信息中的细节性增加显著提高了LLM产生的培训计划的质量.
- 在生成更高质量的阻力训练计划方面,GPT-4在GG方面表现优越.


