用于快速科学原型设计的对话式AI：以ESA的ELOPE竞赛为例
人工智能
2026-01-09 v1
摘要
大型语言模型（LLM）越来越多地被用作编程伙伴，但它们在加速科学发现方面的作用仍未得到充分探索。本文提供了一个使用ChatGPT在ESA的ELOPE（基于事件月面光流自运动估计）竞赛中进行快速原型设计的案例研究。该竞赛要求参赛者处理事件相机数据以估计月球着陆器轨迹。尽管参赛较晚，我们仍以0.01282的得分获得了第二名，突显了在竞争性科学环境中人机协作的潜力。ChatGPT不仅贡献了可执行代码，还提供了算法推理、数据处理例程和方法建议，例如使用固定数量的事件而不是固定时间跨度进行窗口化。同时，我们观察到其局限性：模型经常引入不必要的结构变化，被关于替代想法的中间讨论所混淆，偶尔产生严重错误，并在较长的科学讨论中遗忘重要方面。通过分析这些优点和缺点，我们展示了对话式AI如何在科学研究中既能加速开发又能支持概念性见解。我们认为，将LLM结构化地集成到科学工作流程中，可以通过提出AI辅助科学工作的最佳实践来增强快速原型设计。
引用
@article{arxiv.2601.04920,
title = {Conversational AI for Rapid Scientific Prototyping: A Case Study on ESA's ELOPE Competition},
author = {Nils Einecke},
journal= {arXiv preprint arXiv:2601.04920},
year = {2026}
}