通过使用基于 transformer 的生成神经网络架构的 ChatGPT 和其他大型语言模型（LLM）在自然语言处理和图像合成等领域的惊人成功，许多研究人员对过程系统工程（PSE）中的潜在机会感到兴奋。然而，尽管它们在某些任务中非常有用，如撰写文件的初稿、代码编写辅助、文本摘要等，但它们在高度科学领域的成功受限于缺乏深度领域知识而无法推理、规划或解释。在这篇论文中，我们讨论了在化学工程领域开发这种系统面临的挑战和机遇。

May, 2024

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

ChatGPT-Like LLM empowered by the local knowledge base in industrial PHM combining domain-specific expertise significantly improves its performance, promoting efficiency and quality.

Dec, 2023

通过对 24 名职业软件工程师使用 ChatGPT 一周期间的对话和整体体验进行定性分析，发现他们更多地使用 ChatGPT 获取解决任务的指导或对抽象主题的学习，并提出了一个理论框架，指导今后关于职业软件工程师使用 LLM 的学术讨论和设计未来经验性研究。

Apr, 2024

该研究旨在调查大型语言模型与建筑能源模型软件的创新整合，重点关注 ChatGPT 与 EnergyPlus 的融合。文献综述表明，大型语言模型在工程建模中应用日益增长，但在建筑能源模型中的应用研究有限。通过三个案例研究，证明了大型语言模型在自动化和优化建筑能源模型任务方面的潜力，并强调了人工智能在推进可持续建筑实践和能源效率方面的关键作用。研究结果建议未来人工智能研究采用跨学科的方法，并对其他专门工程建模领域有着重要影响。

Feb, 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

通过对多个 LLM 模型的研究，本文不仅提供了全面的概述，还明确了现有挑战，并指出了未来的研究方向。该综述提供了关于生成型人工智能的当前状态的全面观点，为进一步的探索、增强和创新提供了启示。

Mar, 2024

科学工作流系统越来越受欢迎，可以表达和执行对大数据集的复杂数据分析流水线，因为它们提供了自动化并行化在大型计算集群上的可重复性、可靠性和可扩展性。然而，由于涉及许多黑盒工具和必要的底层基础架构，实现工作流变得困难。同时，用户支持工具很少，可用示例数量远低于传统编程语言。为了应对这些挑战，我们研究了大型语言模型（LLMs），特别是 ChatGPT，在科学工作流处理过程中对用户的支持效率。我们在两个科学领域进行了三项用户研究，评估了 ChatGPT 在理解、适应和扩展工作流方面的效果。我们的结果表明，LLMs 可以有效地解释工作流，但在交换组件或目的工作流扩展方面表现较差。我们对这些具有挑战性的情景中的局限性进行了界定，并提出了未来的研究方向。

Nov, 2023

本文介绍了如何利用大型语言模型 (LLMs) 和尤其是 ChatGPT 进行编程、源代码分析和代码生成，研究了 LLMs 和 ChatGPT 在代码创建、代码文档化、漏洞检测、重构等多个领域中的应用，并指出它们在编程社区中的使用有望得到进一步推广。

Jun, 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