中国信息界杂志社

摘要：<正>引言大语言模型（LLM）在自然语言生成、知识推理等任务中展现出前所未有的能力，但其对物理世界的理解仍存在显著局限。当前主流LLM主要通过文本语料学习知识，而物理世界的动态性、空间性以及实体交互的复杂性难以通过纯文本描述完整刻画。社交网络平台作为人类观察与互动物理世界的数字镜像，蕴含着海量关于物理现象、空间关系以及实体行为的多元信息。本研究提出一套基于社交网络数据的LLM物理世界感知框架，通过数据采集、知识提取、模型优化等环节，提升模型对物理规律的建模能力、空间关系的推理能力以及实体交互的预测能力，为智能体在机器人控制、虚拟仿真、灾害预警等实体场景中的决策提供理论支撑。

专辑： 信息科技

专题： 自动化技术;新闻与传媒

分类号： TP18;G206