Chattronics: 利用 GPTs 辅助数据采集系统的设计

大型语言模型 (LLM) 的实用性正在不断在各个领域得到检验。然而，其内在的语言特性仍是将这些模型应用于精确科学领域时的限制因素之一。本文将提出一种新颖的做法，即利用通用预训练变换器辅助数据采集系统的设计阶段。该解决方案以一种形式呈现，保留了 LLM 的对话性，用户必须提供所需项目的细节，模型才能根据基于限制条件的自上而下方法，草拟出系统级架构图和模块级规格。为测试该工具，采用了两种不同的用户仿真方案，其中一种方案额外使用了 GPT 模型。在测试阶段，使用了 4 个不同的采集项目，每个项目都有各自的测量要求：角位移、温度、加速度，以及第四个项目包含压力和表面温度测量。经过 160 次测试迭代后，研究得出结论，这些模型充当数据采集系统的合成/辅助工具具有潜在价值，但仍存在技术限制。结果显示，架构和拓扑结构都相当连贯，但 GPTs 在同时考虑所有要求方面存在困难，并且经常会犯下理论性错误。