大语言模型在数学建模领域的应用探索  

Exploration of the Application of Large Language Model to Mathematical Modeling

作　　者：荣国伟 孙宝[1] 王文婧 董伟廷 李冰冰 姜旭磊 RONG Guowei;SUN Bao;WANG Wenjing

机构地区：[1]太原科技大学应用科学学院,太原030024 [2]太原科技大学电子信息工程学院,太原030024

出　　处：《科技创新与应用》2024年第22期18-21,共4页Technology Innovation and Application

基　　金：太原科技大学校级大学生创新创业训练计划项目(XJ2023181)。

摘　　要：随着大语言模型在自然语言处理领域的广泛应用,其在数学建模领域中的准确性成为研究的焦点。该文通过引入命名实体识别(NER)和提示词工程(Prompt Engineering)的方法,提高大语言模型在数学建模问题中的回答准确率。基于GPT-3.5模型,通过对数学建模领域特定问题的语境和结构进行深入分析,阐述一套有效的NER策略和提示词工程方法,以优化大模型对数学问题的理解和响应。With the wide application of large language model in the field of natural language processing,its accuracy in the field of mathematical modeling has become the focus of research.In this paper,named entity recognition(NER)and prompt engineering are introduced to improve the accuracy of large language model in mathematical modeling.Based on the GPT-3.5 model,through the in-depth analysis of the context and structure of specific problems in the field of mathematical modeling,this paper expounds a set of effective NER strategies and prompt engineering methods to optimize the understanding and response of the large model to mathematical problems.

关 键 词：大语言模型 ChatGPT 命名实体识别 提示词工程 数学建模 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]