arXiv · cs.AI· Ruo-Qian Wang·· 5 小时前
物理标注提示驱动LLM进行预算约束工程模拟器校准
When is a large language model a good calibration agent? Physics-labeled prompting for budgeted engineering simulator calibration
arXiv:2610.22379v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Ruo-Qian Wang
研究任务与主要进展
研究提出一种面向工程模拟器校准的物理标注LLM方法，并构建由LLM热启动、再由传统优化器续接的混合流程。摘要报告称，首个物理信息增强提案在25次试验中的23次改进了初始设计，经过5次评估后中位校准误差比无物理信息对照低21.9倍，但优势在15次评估时消失且性能存在9.8倍差异；混合流程达到目标精度需9次模拟器运行，优于单独使用LLM和所比较的Nelder-Mead、贝叶斯优化。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org