百度的大语言模型 文心一言 对公众全面开放了，随着Chatgpt年初井喷式的爆发，目前AIGC相关模型已经深入到普通工作的方方面面。
按例，本篇文章首先来试试文心一言在ANSYS方面的应用，看看效果到底咋样。为具有对比性，本篇提问完全与年初的推文 Chatgpt与ANSYS 一致，点击下方链接直达该篇文章。
值得说明的是，该篇文章中使用的Chatgpt版本为3.5，目前已有最新的付费版本4.0可用，可能在面对相同问题时，其答案更加丰富和准确。
本篇依然从下面几个方面进行测试。
1、对一些单元的解释
2、对命令的解释
3、案例的测试
4、APDL代码解释
5、APDL代码纠错
一、对一些单元的解释
二、对命令的解释
三、案例的测试
其源代码如下：
/prep7
et,1,solid185
type,1
mp,ex,1,200000
mp,nuy,1,0.3
o,0,0,0
l,10,10,10
et,2,shell181
type,2
mp,rho,2,7800
mp,ex,2,197.6e3
mp,nuy,2,0.3
vmesh,2,5
w,all
/solu
d,1,all,-1e-5
f,2,pz,-10000
f,3,pz,-10000
f,4,pz,-10000
f,5,pz,-10000
allsel
bouss
solu
/post1
set,last
disp,all,-1
winc,1.5
pldisp,2
从上面代码可见，基本过程是有的，但是命令流有的就是乱来了….
四、代码的解释
从解释来看，基本上每个命令的用途都能比较正确的解释，但是单位制不能正确匹配。
五、代码的纠错
这一段就没法形容了，完全没有识别出错误，与gpt在这块还是具有一定差距。。
六、其他方面的测试
总结而言，chatgpt与文心一言在ansys apdl应用方面其实都半斤八两，水哥估计其主要原因还是在于其学习APDL的素材较少，很多命令无法正确给出。就具体细节而言，单就apdl这方面，chatgpt相比于文心一言，还是具有一定的优势，特别是当用户在chatgpt界面用英文提问时，其准确率要相对高很多。
如果大家对文心一言有兴趣，赶紧去试试吧，只要登录百度账号即可，在处理中文方面的需求时，个人觉得文心一言当仁不让了~
如果觉得本网站的文章和资源对您的研究具有一定的帮助，欢迎给网站捐助，您的支持是我坚持下去的动力！
© 版权声明
文章版权归作者所有，未经允许请勿转载。
THE END
暂无评论内容