用于机械工程分析问题的N+1 GPT 代理以实现关键解答
人工智能
2025-09-24 v1
摘要
生成式AI，特别是GPT模型，可以为机械工程分析问题提供卓越的解决方案——但有时也会提供错误的解决方案。例如，一个基础力学问题在一个GPT实例中被完美解决，而在后续的GPT实例中却被错误地解决，其成功概率仅为85%。这种不可靠性使得“开箱即用”的GPT不适合用于教育或工程实践。我们引入了一个用于机械工程问题陈述的初始（低成本）分析的“N+1”GPT 代理。该代理首先启动N个求解代理（Agent Solve），以获得N个独立的提议性问题解答实现；随后调用比较代理（Agent Compare）来总结和比较这N个提议性问题解答实现，并提供推荐的问题解答。我们根据孔氏投票定理论证明，对于成功概率大于1/2的题目（当N足够大时），主要（Agent Compare）提议性问题解答将以高概率对应正确的提议性问题解答。此外，Agent Compare 还可以融合次要（Agent Compare）提议性问题解答的方面，特别是当后者代表不同的题目陈述解释——不同的数学模型——或不同的数学求解程序时。与Grok Heavy进行的比较显示，其设计和性能相似，但也存在重要差异：我们的代理侧重于透明度和教育价值。
引用
@article{arxiv.2509.18229,
title = {An N-Plus-1 GPT Agency for Critical Solution of Mechanical Engineering Analysis Problems},
author = {Anthony Patera and Rohan Abeyaratne},
journal= {arXiv preprint arXiv:2509.18229},
year = {2025}
}