盖世汽车讯 人工智能驱动的大型语言模型（LLM）需要在海量数据集上进行训练才能做出准确的预测——但如果研究人员没有足够的正确类型的数据怎么办？
据外媒报道，宾夕法尼亚州立大学（Pennsylvania State University，Penn State）的研究团队最近开发了一个集成框架，该框架使用最少的新实验数据来识别现有科学文献中的相关信息。通过结合现有研究和他们自己的实验信息，这个由LLM驱动的框架可以推导出数值方程，从而准确预测高速激光焊接中的物理现象。高速激光焊接是一种能够对电动汽车燃料电池等物体进行高精度焊接的制造技术。
图片来源： 期刊《the International Journal of Machine Tools and Manufacture》
研究人员表示，利用新方法可以开始优化焊接技术，而这种技术通常很容易出现技术故障。相关研究论文发表在期刊《the International Journal of Machine Tools and Manufacture》十月刊上。
据该论文的共同作者、工业与制造工程（IME）博士生Zhengxiao Yu介绍，传统的方程式构建方法对研究人员来说非常耗时，而且需要大量的现有数值数据。为了准确地构建方程式，研究人员要么必须从自己的实验中生成1000多个数据点，要么必须查阅并解读其他研究人员先前研究中的数据点。
*特别声明：本文为技术类文章，禁止转载或大篇幅摘录！违规转载，法律必究。
本文地址：https://auto.gasgoo.com/news/202509/25I70434248C409.shtml
联系邮箱：info@gasgoo.com
求职应聘：021-39197800-8035
简历投递：zhaopin@gasgoo.com
客服微信：gasgoo12 (豆豆)
新闻热线：021-39586122
商务合作：021-39586681
市场合作：021-39197800-8032
研究院项目咨询：021-39197921
—— 全球视野·中国声音 ——
