面向多维核性属性的大语言模型统一精准描述
核理论
2026-05-29 v1
摘要
提出一种基于先验信息驱动的大语言模型（LLM）多任务学习框架，用于统一描述多个核性可观测量。通过对预训练的 DeepSeek-R1-1.5B 模型进行微调，并引入低秩适应（LoRA），在保持通用预训练参数的基础上引入轻量化适配器。该模型在因果语言建模范式下，对实验值与理论值之间的偏差进行自回归训练。在包括电荷半径、质量、束缚能、分离能和衰变能等七项可观测量方面，显著提升了准确性，所有任务的训练损失下降超过98%。这表明，LLM 基于框架通过结构化先验嵌入，为核性属性的多任务回归提供了一种高效且共享的统一方法。
引用
@article{arxiv.2605.29408,
title = {Large language model for unified and accurate description of multidimensional nuclear properties},
author = {S. J. Guo and S. Y. Wang and E. H. Wang and Z. M. Niu and Y. M. Ding},
journal= {arXiv preprint arXiv:2605.29408},
year = {2026}
}