本文介绍了使用基于GPT-4的ChatGPT模型进行工程基础考试的可行性和有效性，并通过非侵入式提示修改实现了模型的显著精度提升。该研究进一步探讨了复杂工程问题的解决方案，并强调了AI在教育领域中的挑战，如如何实现AI对不同种族和背景学生的包容性和无歧视性。

Apr, 2023

本文讨论了大型语言模型在解决复杂问题，尤其是石油和天然气工程领域的应用，介绍了目前的 ChatGPT 方法在实际问题中的局限性，并讨论了大型语言模型的优势和适用的领域。

Apr, 2023

本研究旨在评估 GPT 模型在建筑工业中的应用机会和挑战，通过批判性评论、专家讨论和案例研究验证，发现其在项目生命周期中存在机遇，但同时也存在挑战，为此我们开发了一个用例原型来优化建筑材料的选择，为语言模型在建筑工业中的研究提供了前景和建议。

May, 2023

本文是第一篇关于利用大规模预训练语言模型（LLMs）进行科学模拟的研究，聚焦于四个建模和模拟任务，分别评估LLMs的预期优势和局限性，并为模型构建者提供实用指南，包括解释概念模型结构、总结模拟输出、通过文本传达模拟可视化洞见以及解释模拟错误并提供解决方案。

Jun, 2023

大型语言模型在岩土工程中的创新应用以及对数据处理和决策的提升潜力进行了探讨，同时指出了实施大型语言模型的挑战和专家监督的必要性。

Dec, 2023

人类定居建设领域面对自然语言处理和生成人工智能的挑战，提出了一种专门针对这一领域任务的大规模语言模型框架 HSC-GPT，以应对空间细节、数据源格式、区域文化和工作场景创新等复杂需求。

Dec, 2023

该研究基于GPT-4V进行了海洋分析的初步和综合性案例研究，评估了GPT-4V在海洋研究中的性能，并为未来MLLM的发展设定了新的标准。实验结果表明，GPT-4V生成的回应仍远未满足海洋领域的特定需求。

Jan, 2024

CADgpt是一种将自然语言处理（NLP）与Rhino3D集成的创新插件，旨在增强计算机辅助设计（CAD）环境中的3D建模。借助OpenAI的GPT-4，CADgpt通过直观的自然语言指令简化CAD界面，使用户，特别是初学者，能够执行复杂的3D建模任务。这种方法显著降低了传统CAD软件的学习曲线，促进了更具包容性和吸引力的教育环境。

Jan, 2024

该研究探究了大型语言模型（LLM）在机械工程领域特别是力学方面解答概念性问题的能力。通过对比三种LLM（ChatGPT（GPT-3.5），ChatGPT（GPT-4）和Claude（Claude-2.1））在不同力学主题下的回答表现，发现GPT-4在除连续介质力学外的各力学领域问题中表现优异，这表明GPT模型在处理符号计算和张量分析方面具有潜在的未来改进空间。研究还发现，通过事先给出解释的提示，LLM的性能都得到了显著提升，突出了提示工程的重要作用。值得注意的是，GPT-3.5在涵盖更广泛领域的提示下表现出改进的表现，而GPT-4在专注于特定学科的提示下表现出色。最后，GPT-4在减少输入偏差方面取得了显著进展，从人类猜测偏好的情况来看。该研究揭示了LLM作为高水平知识助手在机械工程教学和科学研究中的巨大潜力。

Jan, 2024

通过引入自动提示工程工具箱（APET）使GPT-4能够自主地应用提示工程技术，该研究通过利用高级策略，如专家提示、思维链和思维树，使GPT-4能够动态优化提示，从而在诸如词语排序（增长4.4%）和几何形状（增长6.8%）等任务中显著提高性能，并展示了APET在无需使用外部数据的情况下自动化复杂提示优化过程的潜力，为未来自主AI系统的创新提供了坚实的框架，并突显了GPT-4将提示工程理论应用于实践的能力，为提高复杂任务性能和拓宽这些技术在实际场景中的应用打下了基础。

Jun, 2024