大语言模型在数学建模领域的应用探索

随着大语言模型在自然语言处理领域的广泛应用,其在数学建模领域中的准确性成为研究的焦点。该文通过引入命名实体识别(NER)和提示词工程(Prompt Engineering)的方法,提高大语言模型在数学建模问题中的回答准确率。基于GPT-3.5模型,通过对数学建模领域特定问题的语境和结构进行深入分析,阐述一套有效的NER策略和提示词工程方法,以优化大模型对数学问题的理解和响应。