arXiv 机器学习· Ruo-Qian Wang·· 6 小时前AI 评分34
大语言模型何时能成为优秀的校准智能体？基于物理标注提示的工程仿真器校准研究
When is a large language model a good calibration agent? Physics-labeled prompting for budgeted engineering simulator calibration
AI 导读
研究提出用物理标注提示的大语言模型作为校准智能体，来优化受算力限制的工程仿真器参数。基于物理信息的 LLM 在前 5 次评估中的中位数校准误差比无物理信息的对照组低 21.9 倍，但该优势在 15 次评估时消失且存在 9.8 倍的性能离散度。结合 LLM 热启动与传统优化器的两阶段混合策略仅需 9 次仿真即可达标，效率优于 Nelder-Mead 的 17 次及贝叶斯优化的超 60 次。
来源：arXiv 机器学习 · arxiv.org