LLM 在流体系统仿真代码生成方面展现出潜力，但保真度仍有差距

一篇新的 arXiv 论文探讨了使用大型语言模型（LLM）为流体系统生成仿真代码。研究人员比较了十种最先进的 LLM 和六种提示策略，使用软件质量指标评估生成的代码，并通过基准流体系统场景验证功能保真度。尽管最佳配置生成了语法正确的代码，但在仿真保真度方面仍存在显著差距，为将 LLM 驱动的代码合成集成到设计流程中提供了指导。 AI

影响 LLM 在自动化仿真代码生成方面显示出潜力，但需要进一步开发以确保复杂系统的功能保真度。

排序理由 该集群包含一篇详细介绍 LLM 代码生成能力实验和发现的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv
• Jan Marius Stürmer
• Modelica Standard Library
• ScienceCast
• WNTR

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →