PulseAugur
实时 14:31:39
English(EN) Rethinking Scientific Modeling: Toward Physically Consistent and Simulation-Executable Programmatic Generation

新框架改进了 LLM 生成的科学建模代码

研究人员开发了一个新框架,以改进使用大型语言模型 (LLM) 生成的科学建模代码。该方法整合了领域知识,使模型符合约束条件,并使用验证进行评估。引入了一个名为 CivilInstruct 的新数据集和两阶段微调策略,以确保生成的代码在物理上一致且可执行以进行模拟,与现有方法相比显著减少了错误。 AI

影响 通过确保代码的一致性和可执行性,增强了 LLM 在科学和工程领域的可靠性和适用性。

排序理由 该集群包含一篇学术论文,详细介绍了用于改进 LLM 生成的科学建模代码的新框架和数据集。[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 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Yongqing Jiang, Jianze Wang, Zhiqi Shen, Zhenghong Lin, Jiayuan Wang, Yijian Yang, Kaoshan Dai, Haoran Luo ·

    Rethinking Scientific Modeling: Toward Physically Consistent and Simulation-Executable Programmatic Generation

    arXiv:2602.07083v2 Announce Type: replace-cross Abstract: Structural modeling is a fundamental component of computational engineering science, in which even minor physical inconsistencies or specification violations may invalidate downstream simulations. The potential of large la…