面向岩土工程应用的大语言模型领域自适应
人工智能
2025-12-01 v3
摘要
大语言模型(LLM)的快速发展正在改变岩土工程领域的机遇，该领域的工作流程依赖于复杂、富含文本的数据。虽然通用LLM展现出强大的推理能力，但它们在岩土工程应用中的有效性受到对专业术语和领域逻辑接触有限的制约。因此，领域自适应，即针对岩土工程用途定制通用LLM，变得至关重要。本文首次系统综述了LLM在岩土工程背景下的自适应和应用。它批判性地审视了四种关键的自适应策略，包括提示工程、检索增强生成、领域自适应预训练和微调，并评估了它们各自的优势、局限性和实施趋势。本综述综合了当前的应用，涵盖地质解释、地下表征、设计分析、数值建模、风险评估和岩土工程教育。研究结果表明，领域自适应的LLM显著提高了推理准确性、自动化和可解释性，但仍受限于数据稀缺、验证挑战和可解释性问题。本文还提出了未来的研究方向。本综述为开发具备岩土工程知识的LLM奠定了关键基础，并指导研究人员和实践者推进岩土工程的数字化转型。
引用
@article{arxiv.2507.05613,
title = {Domain adaptation of large language models for geotechnical applications},
author = {Lei Fan and Fangxue Liu and Cheng Chen},
journal= {arXiv preprint arXiv:2507.05613},
year = {2025}
}