大語言模型應(yīng)用
關(guān)注創(chuàng)建者：匿名 創(chuàng)建時間：2026-01-04
大語言模型應(yīng)用的實(shí)例教程
科盛科技 / 簡錦昌 副總經(jīng)理
(轉(zhuǎn)載自繁體版ACMT電子技術(shù)月刊No.092)
什么是大語言模型(LLM)？
大語言模型(Large Language Model, LLM)是人工智能領(lǐng)域中一種基于深度學(xué)習(xí)的技術(shù)，它通過處理大量的文本資料來理解、生成和翻譯自然語言。這些模型以龐大的參數(shù)規(guī)模為特點(diǎn)，并利用了現(xiàn)代神經(jīng)網(wǎng)絡(luò)架構(gòu)，尤其是變換器(Transformer)架構(gòu)，使得它們在自然語言處理(NLP)任務(wù)中表現(xiàn)出色。
大語言模型通常由數(shù)十億甚至上千億個參數(shù)構(gòu)成。這些參數(shù)是在大量的文本資料上訓(xùn)練得到的，通過深度學(xué)習(xí)算法來優(yōu)化。訓(xùn)練一個大語言模型需要巨大的計算資源，通常使用數(shù)百個GPU或TPU并行處理，以處理海量的資料集。
圖1：大家看到LLM提供的問答服務(wù)只是冰山的一角，其背后隱含著大量的文字?jǐn)?shù)據(jù)資料
常見的LLM應(yīng)用方式
ChatGPT就是一種LLM，相信大家都有接觸過，只要在聊天框中輸入問題或請求，例如撰寫文章、翻譯文本或生成程序碼，等待幾秒鐘，ChatGPT將自動生成文字。如果需要進(jìn)一步調(diào)整輸出，可以繼續(xù)與其互動，輸入更具體的指令或要求。大語言模型的應(yīng)用范圍非常廣泛。它們在各種自然語言處理任務(wù)中表現(xiàn)優(yōu)異，常見的應(yīng)用包括：
? 自然語言生成
LLM能夠生成流暢且連貫的文本，常用于自動化內(nèi)容生成、寫作輔助和對話系統(tǒng)。
? 機(jī)器翻譯
通過理解多種語言之間的復(fù)雜關(guān)系，LLM可以進(jìn)行高質(zhì)量的語言翻譯。
? 文本摘要
LLM能夠自動從長文檔中提取關(guān)鍵內(nèi)容，生成簡短的摘要。
? 對話系統(tǒng)
基于LLM的聊天機(jī)器人能夠與人類進(jìn)行自然的對話，并且能夠理解上下文進(jìn)行合理的回復(fù)。
展開 3月20日，新思科技芯課程AI系列主題第三講即將推出：「基于大語言模型的VC SpyGlass Lint Advisor流程與應(yīng)用」，將介紹GenAI技術(shù)和傳統(tǒng)Lint流程相結(jié)合的新技術(shù)--VC SpyGlass Lint Advisor。該技術(shù)不僅能理解Lint報錯的原因并提供精準(zhǔn)的代碼修復(fù)建議，還能通過自然語言描述來滿足定制化Lint檢查的需求；另外它還能通過自然語言描述直接生成期望的waiver來過濾掉不期望看到的違例。采用該技術(shù)能加快 Lint違例的修復(fù)和收斂的效率，從而極大解放開發(fā)者的生產(chǎn)力。
GenAI+Lint全新技術(shù)：VC SpyGlass Lint Advisor實(shí)戰(zhàn)課程即將上線，歡迎大家報名！
時間：3月 20日（星期五），14:00–15:00
地點(diǎn)：線上直播
講師簡介：
羅木江 | 新思科技首席應(yīng)用工程師
負(fù)責(zé)數(shù)字電路驗證系列產(chǎn)品的支持，在RTL Signoff靜態(tài)驗證領(lǐng)域以及跨技術(shù)域驗證方法學(xué)具有豐富的經(jīng)驗。
掃碼立即報名參會
展開 3.4
融合大語言模型和機(jī)器學(xué)習(xí)的SimManager智能仿真平臺應(yīng)用場景
融合大語言模型和機(jī)器學(xué)習(xí)的智能仿真平臺應(yīng)用場景，除了常規(guī)的基于仿真平臺的仿真工作以外，基于大語言模型LLM+機(jī)器學(xué)習(xí)ML的賦能，擴(kuò)展應(yīng)用場景如下：
圖 3 融合大語言模型的智能仿真平臺擴(kuò)展應(yīng)用場景
基于上述架構(gòu)的進(jìn)行了SimManager+DeepSeek+Odyssee的本地化集成部署。采用DeepSeek開源的大語言模型,并在本地部署文字向量化數(shù)據(jù)庫，將本地（用戶生產(chǎn)環(huán)境則對應(yīng)SDM數(shù)據(jù)庫）的仿真知識，進(jìn)行向量化存入本地向量數(shù)據(jù)庫，作為在仿真專業(yè)領(lǐng)域進(jìn)行更精確回答的基礎(chǔ)。
因原始的大語言模型未涵蓋本地知識，在構(gòu)建本地向量數(shù)據(jù)庫前，針對相關(guān)問題不能給出準(zhǔn)確的回答。在將相關(guān)數(shù)據(jù)和文檔上傳SimManager平臺，同時進(jìn)行向量化。當(dāng)用戶提問時，系統(tǒng)自動將帶有提示詞的上下文信息提供給大語言模型，能夠給出準(zhǔn)確的回答。如下圖：
圖 4 基于DeepSeek本地知識庫的仿真平臺問答場景（1）
圖 5 基于DeepSeek本地知識庫的仿真平臺問答場景（2）
04
應(yīng)用成效與價值提升
通過應(yīng)用實(shí)踐，融合大語言模型和機(jī)器學(xué)習(xí)的SimManager智能仿真平臺，能夠進(jìn)一步擴(kuò)展仿真平臺的使用場景，協(xié)助仿真人員實(shí)現(xiàn)仿真知識快速反饋、仿真數(shù)據(jù)挖掘和重用、協(xié)助文檔生成、專家經(jīng)驗重用等，如下所示：
圖5 融合大語言模型和機(jī)器學(xué)習(xí)的SimManager智能仿真平臺
展開 1、模型描述：鋼梁為工字型梁，但中間腹板為正弦曲線，因此為波紋腹板鋼梁。鋼梁上板跨度8m，高6m，下板跨度7m，高5m。上下梁寬1m。波紋為正弦曲線，在下板上的波長為0.4m，波紋半幅高0.1m。
用APDL語言對其進(jìn)行建模，得到模型見下圖所示：
上部局部模型見下圖：
2、單元劃分：
采用SHELL181單元進(jìn)行網(wǎng)格劃分，該單元適合對薄殼體結(jié)構(gòu)進(jìn)行分析。它是一個4結(jié)點(diǎn)單元，每個結(jié)點(diǎn)具有6個自由度：x,y,z方向的位移自由度和繞X,Y,Z軸的轉(zhuǎn)動自由度。Shell181單元非常適用于分析線性的，大轉(zhuǎn)動變形和非線性的大形變。殼體厚度的變化是為了適應(yīng)非線性分析。在該單元的應(yīng)用范圍內(nèi)，完全積分和降階積分都是適用的。SHELL181單元闡明了以下（荷載剛度）分布壓強(qiáng)的效果。 SHELL181單元可以應(yīng)用在多層結(jié)構(gòu)的材料，如復(fù)合層壓殼體或者夾層結(jié)構(gòu)的建模。
3、載荷和邊界條件
對模型施加垂直向下的力F，對兩邊進(jìn)行全約束，具體見下圖：
4、求解結(jié)果
通過靜力分析，得到模型在垂直載荷作用下的應(yīng)力和變形，分別見下圖：
5、總結(jié)
本文主要對波紋腹板鋼梁進(jìn)行建模，這里重點(diǎn)為波紋腹板的模型建立。采用APDL語言進(jìn)行模型建立，展示了APDL語言的強(qiáng)大功能。
展開 一、人工智能與大模型技術(shù)
人工智能（Artificial Intelligence，簡稱AI）是一種計算機(jī)科學(xué)技術(shù)，旨在使計算機(jī)能夠模仿、學(xué)習(xí)和執(zhí)行人類智能任務(wù)。它涉及到多個不同的子領(lǐng)域，包括機(jī)器學(xué)習(xí)、自然語言處理、計算機(jī)視覺和強(qiáng)化學(xué)習(xí)等。通過使用大數(shù)據(jù)、算法、神經(jīng)網(wǎng)絡(luò)等技術(shù)，人工智能可以通過分析和理解數(shù)據(jù)來建立模型，并對新數(shù)據(jù)進(jìn)行決策和預(yù)測，從而實(shí)現(xiàn)某些特定的任務(wù)。與傳統(tǒng)計算機(jī)程序不同的是，人工智能可以根據(jù)以前的經(jīng)驗和學(xué)習(xí)來改進(jìn)自己的性能，在某些情況下能夠比人類更準(zhǔn)確和高效地完成任務(wù)。人工智能被廣泛應(yīng)用于各種領(lǐng)域，例如醫(yī)療保健、金融、交通運(yùn)輸、制造業(yè)、社交媒體、游戲和安全等。
大模型通常指的是由數(shù)億至數(shù)千億個參數(shù)組成的深度學(xué)習(xí)模型。這些模型需要巨大的計算資源和存儲空間，因此非常昂貴且能夠運(yùn)行的硬件配置也要足夠強(qiáng)大。大型模型代表了人工智能領(lǐng)域最先進(jìn)的技術(shù)，廣泛應(yīng)用于自然語言處理、圖像識別、語音識別和推薦系統(tǒng)等領(lǐng)域。擁有更多的參數(shù)可以提高模型的準(zhǔn)確性和精度，但同時也會導(dǎo)致更復(fù)雜的訓(xùn)練過程、更長的訓(xùn)練時間和更高的硬件成本。GPT-3就是一種例子，它具有1750億個參數(shù)，在人工智能技術(shù)中占據(jù)著重要的地位。
二、神經(jīng)網(wǎng)絡(luò)算法與大模型
神經(jīng)網(wǎng)絡(luò)（Neural Network）是一種復(fù)雜的數(shù)學(xué)模型，建立在類比生物大腦神經(jīng)元之間傳遞信息的基礎(chǔ)上。
展開 
大語言模型應(yīng)用的相關(guān)專題、標(biāo)簽、搜索
大語言模型應(yīng)用的最新內(nèi)容
3月20日，新思科技芯課程AI系列主題第三講即將推出：「基于大語言模型的VC SpyGlass Lint Advisor流程與應(yīng)用」，將介紹GenAI技術(shù)和傳統(tǒng)Lint流程相結(jié)合的新技術(shù)--VC SpyGlass Lint Advisor。該技術(shù)不僅能理解Lint報錯的原因并提供精準(zhǔn)的代碼修復(fù)建議，還能通過自然語言描述來滿足定制化Lint檢查的需求；另外它還能通過自然語言描述直接生成期望的waiver
該平臺不僅在多體學(xué)科領(lǐng)域提供獨(dú)特的仿真數(shù)據(jù)管理方案，更在智能化研發(fā)方面支持機(jī)器學(xué)習(xí)與大語言模型的集成應(yīng)用，助力企業(yè)實(shí)現(xiàn)技術(shù)變革。
本期直播講堂請到了海克斯康工業(yè)軟件仿真平臺高級技術(shù)經(jīng)理宿新東，在直播間中講師將深入講解SimManager的平臺整體架構(gòu)、在多體學(xué)科的應(yīng)用方案，以及結(jié)合機(jī)器學(xué)習(xí)和大語言模型技術(shù)的智能化應(yīng)用方案等。敬請關(guān)注！
DeepSeek通過開源策略和低成本部署，降低了技術(shù)門檻，讓大語言模型的應(yīng)用觸手可及，其在多領(lǐng)域的廣泛應(yīng)用也進(jìn)一步彰顯了其技術(shù)優(yōu)勢和產(chǎn)業(yè)價值。
在CAE（計算機(jī)輔助工程）領(lǐng)域，AI正引發(fā)一場顛覆性變革。AI不僅能夠顯著提升仿真的效率和精度，同時也在不斷改變?nèi)藗兪褂梅抡孳浖男问健?/div>
如下圖：
圖 4 基于DeepSeek本地知識庫的仿真平臺問答場景（1）
圖 5 基于DeepSeek本地知識庫的仿真平臺問答場景（2）
04
應(yīng)用成效與價值提升
通過應(yīng)用實(shí)踐，融合大語言模型和機(jī)器學(xué)習(xí)的SimManager智能仿真平臺，能夠進(jìn)一步擴(kuò)展仿真平臺的使用場景，協(xié)助仿真人員實(shí)現(xiàn)仿真知識快速反饋、仿真數(shù)據(jù)挖掘和重用、協(xié)助文檔生成、專家經(jīng)驗重用等，如下所示：
圖3：透過模型微調(diào)的方式，更改大語言模型參數(shù)，以應(yīng)用在專業(yè)領(lǐng)域的問答服務(wù)上
? 擷取增強(qiáng)生成(Retrieval-Augmented Generation, RAG）
如圖4所示，擷取增強(qiáng)生成(Retrieval-Augmented Generation, RAG)是提升LLM在專業(yè)領(lǐng)域表現(xiàn)的一種有效技術(shù)。
一、人工智能與大模型技術(shù)
人工智能（Artificial Intelligence，簡稱AI）是一種計算機(jī)科學(xué)技術(shù)，旨在使計算機(jī)能夠模仿、學(xué)習(xí)和執(zhí)行人類智能任務(wù)。它涉及到多個不同的子領(lǐng)域，包括機(jī)器學(xué)習(xí)、自然語言處理、計算機(jī)視覺和強(qiáng)化學(xué)習(xí)等
關(guān)于舉辦“大尺度VIC水文模型的開發(fā)與應(yīng)用”培訓(xùn)班
培訓(xùn)背景
受全球環(huán)境變化和經(jīng)濟(jì)快速發(fā)展的影響，我國水短缺、水污染、水生態(tài)、水災(zāi)害、水管理五方面問題復(fù)雜交叉，直接涉及國家多方面的安全，是一個復(fù)雜的水系統(tǒng)問題。解決上述水問題的核心是水循環(huán)基礎(chǔ)研究，需要深入研究以流域水循環(huán)為紐帶的水系統(tǒng)各部分的聯(lián)系與反饋機(jī)制，以多要素、多過程、多尺度流域水循環(huán)綜合模擬為核心技術(shù)支撐，探討良性水循環(huán)維持的途徑
1、模型描述：鋼梁為工字型梁，但中間腹板為正弦曲線，因此為波紋腹板鋼梁。鋼梁上板跨度8m，高6m，下板跨度7m，高5m。上下梁寬1m。波紋為正弦曲線，在下板上的波長為0.4m，波紋半幅高0.1m。
用APDL語言對其進(jìn)行建模，得到模型見下圖所示：
上部局部模型見下圖：
2、單元劃分：
采用SHELL181單元進(jìn)行網(wǎng)格劃分，該單元適合對薄殼體結(jié)構(gòu)進(jìn)行分析。它是一個4結(jié)點(diǎn)單元
