English(EN) When is a large language model a good calibration agent? Physics-labeled prompting for budgeted engineering simulator calibration

大型语言模型在工程模拟器校准代理方面展现早期潜力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-19 04:00

一项新的研究论文探讨了大型语言模型（LLMs）作为昂贵工程模拟器校准代理的有效性。研究发现，当使用基于物理的错误描述进行提示时，LLMs 最初可以比传统的无导数优化器提出更具信息量的参数更新。然而，这种优势会随着时间的推移和 LLM 的可变性而减弱。一种混合方法，即使用 LLM 来预热传统的优化器，被证明是最有效的，以显著更少的模拟器运行次数实现了目标精度。 AI

影响大型语言模型可能为复杂工程模拟的校准提供更有效的方法，从而可能降低计算成本。

排序理由研究论文发表在 arXiv 上，详细介绍了 LLM 的新颖应用。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

本文如何被排名

Signal score: 10 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 研究论文发表在 arXiv 上，详细介绍了 LLM 的新颖应用。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Ruo-Qian Wang · 2026-10-19 04:00

大型语言模型何时是良好的校准剂？面向预算工程模拟器校准的物理标签提示

arXiv:2610.22379v1 Announce Type: cross Abstract: Calibrating expensive engineering simulators requires tuning model parameters to match reference data, a process heavily constrained by computational costs. This study investigates whether Large Language Models (LLMs), conditioned…

本文如何被排名

报道来源 [1]

大型语言模型何时是良好的校准剂？面向预算工程模拟器校准的物理标签提示

相关实体

相关话题