2026年7月31日 · Simulation Code Generation for Fluid Systems using Large Language Models
Simulation Code Generation for Fluid Systems using Large Language Models: Benchmarking Models and Prompting Strategies
arXiv 论文 2607.29389v1 研究了用 LLM 将流体系统模型的 neutral graph 表示自动转换为 WNTR (Python) 和 Modelica 标准库的仿真代码。比较了 10 个 SOTA LLM 和 6 种提示策略，用软件质量指标和基准场景验证功能保真度。最佳配置语法质量可接受，但仿真保真度仍有差距。
EVENT STORY
发展脉络
- 首次出现Simulation Code Generation for Fluid Systems using Large Language Models: Benchmarking Models and Prompting StrategiesarXiv cs.LG
- 当前判断该研究为工程仿真领域应用 LLM 提供了基准，表明 LLM 可辅助代码生成，但尚不能完全替代人工验证。对依赖仿真准确性的行业（如流体系统设计）而言，LLM 生成代码需结合严格测试。Agent Pulse · 分析
该研究系统评估了 LLM 在流体系统仿真代码生成中的能力。研究者将流体系统的 neutral graph 表示作为输入，使用 LLM 生成 WNTR 和 Modelica 的仿真代码，并比较了 10 个模型和 6 种提示策略。评估包括语法质量和功能保真度（通过复现基准场景）。结果显示，最佳配置的语法质量可接受，但仿真保真度存在显著差距，表明 LLM 生成的代码在数值准确性上仍有不足。研究为模型驱动设计流程中集成 LLM 代码合成提供了指导。
LLM 在生成语法正确的仿真代码方面表现良好，但功能保真度不足，可能源于对物理语义的理解不完整。提示策略中提供代码或文档等上下文信息可能影响生成质量，但具体差异未在摘要中详述。未来可关注如何通过更好的上下文或验证机制提升仿真准确性。
该研究为工程仿真领域应用 LLM 提供了基准，表明 LLM 可辅助代码生成，但尚不能完全替代人工验证。对依赖仿真准确性的行业（如流体系统设计）而言，LLM 生成代码需结合严格测试。
对仿真软件供应商和工程咨询公司，LLM 驱动的代码生成可降低建模成本，但需投入验证环节。对开发者工具链，集成 LLM 代码生成可能成为差异化功能。
后续研究可能聚焦于提升 LLM 对物理模型的理解，或开发针对仿真代码的验证工具。可关注该团队是否发布代码或数据集，以及是否有后续改进。