California Institute of Technology（加州理工学院）

What Should a Large Language Model See? Physical Invariants as a Data Representation for PDE Discovery

大型语言模型应看到什么？物理不变量作为PDE发现的数据表示

Fan Yang, Matt Thomson

机构 * California Institute of Technology（加州理工学院） 纠错

AI总结 本文提出将数据解释作为大型语言模型处理时空场的阶段，以物理不变量为数据表示，在PDE发现基准中使方程恢复准确率近三倍提升，为自动化场理论构建提供实用途径。

Comments 6 pages, 1 figure

Air Traffic Control Using Large Language Models: Prompt Engineering, Architecture, and Evaluation

使用大语言模型的空中交通管制：提示工程、架构与评估

Mahyar Ghazanfari, Matthias Casanova, Jordan Kam, Alex Zongo, Peng Wei, Torsten Darrell, Alexandre Bayen

机构 * The George Washington University（乔治华盛顿大学） ； California Institute of Technology（加州理工学院） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 该研究针对ATC仍以人工为主的问题，设计5种提示结构并在9种LLMs上实验，发现简洁提示表现最佳，注入正确历史可修复脚本严格提示的错误，明确了LLM辅助ATC的路径与局限。

Comments 39 pages, 12 figures, 7 tables