AI助手如何增强与利用 PETSc知识库
人工智能
2025-09-23 v2 数值分析
数值分析
摘要
生成式AI，特别是通过大语言模型（LLM），正在改变技术知识的获取、重用和扩展方式。PETSc作为一种广泛用于高性能科学计算的数值库，已在三十年发展中积累了丰富但碎片化的知识库，涵盖源代码、文档、邮件列表、GitLab问题、Discord对话、技术论文等。 much of this knowledge remains informal and inaccessible to users and new developers. 为更有效地激活和利用这一知识库，PETSc团队开始构建一个LLM驱动的系统，将PETSc内容与定制LLM工具相结合——包括检索增强生成（RAG）、重排序算法和聊天机器人——以协助用户、支持开发人员并提出对正式文档的更新。本文介绍初始设计和评估经验，重点关注系统架构、使用RAG和重排序进行PETSc专用信息处理、各种LLM和嵌入模型的评估方法，以及用户界面设计。通过Argonne Leadership Computing Facility资源，我们分析LLM响应如何增强数值软件的开发与使用，初始重点为可扩展的Krylov求解器。我们的目标是建立一个面向科学软件的可扩展知识中心AI框架，实现可扩展支持、丰富文档和增强研发工作流程。我们指出，将该系统扩展为一个稳健、不断演化的平台，以推动软件生态系统加速科学发现的方向。
引用
@article{arxiv.2506.20608,
title = {AI Assistants to Enhance and Exploit the PETSc Knowledge Base},
author = {Barry Smith and Junchao Zhang and Hong Zhang and Lois Curfman McInnes and Murat Keceli and Archit Vasan and Satish Balay and Toby Isaac and Le Chen and Venkatram Vishwanath},
journal= {arXiv preprint arXiv:2506.20608},
year = {2025}
}