研究人员开发了一种名为 LLM 辅助多保真度贝叶斯优化 (MFBO) 的新方法,该方法将专家知识与数值数据相结合,以改进工程设计流程。该方法使用大型语言模型 (LLM) 来解释领域专家关于低保真度模型中遗漏物理的定性见解。通过将这些 LLM 推导出的判断纳入高斯过程,系统可以更有效地指导优化过程。在锂离子电池设计问题的测试中,与传统的 MFBO 相比,这种 LLM 辅助 MFBO 将遗憾值降低了 61%,证明了 LLM 解释的专家知识的价值。 AI
影响 通过将 LLM 解释的专家知识整合到优化过程中,提高了工程设计的效率。
排序理由 该集群包含一篇研究论文,详细介绍了贝叶斯优化的一种新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Bayesian optimization
- Gaussian process
- Hugging Face
- IArxiv Recommender
- large-language models
- lithium-ion battery
- LLM-Assisted MFBO
- MFBO
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →