机构名称：
¥ 1.0
以及用于预训练和微调的数据量，PLM在各种任务中表现出了出现和出色的功能[55]。这样的大规模PLM通常被称为“大语言模型（LLM）”。正如“认知语言学”和“语言哲学”领域所讨论的，语言不仅是一个中介，可以使人类的复杂知识构建建立，而且还定义了更深层次的逻辑结构，反映了人类思想的逻辑。同样，接受过大量文本语料库培训的LLMS在知识获取以及逻辑推理和计划方面都表明了它们的能力。利用这些能力，LLM在解决各种问题方面表现出强大的能力，从而迅速扩大了研究和应用。自适应系统（SAS）经过设计，可以自主地适应其环境中的动态或无需手动干预的内部变化，这对于应对现实世界中的挑战至关重要[7，15，27，57，58]。llms在其他研究中所证明的，已经显着增强了系统的近视，包括上下文意识和决策，这对于处理自我适应至关重要。但是，关于在SAS领域使用LLM的文献存在很大的文献，尤其是来自接缝，ACSOS和TAA等领域的旗舰会议或期刊。缺乏研究使SAS中LLM的潜力仍然没有探索和模棱两可。为此，本文旨在通过针对以下两个研究问题来探索SAS中LLM的潜力：作为SAS是一个跨学科研究领域，与软件工程，自主代理，人机交互等相交，我们相信，从这些相关领域的交叉授粉可能会导致创新的见解，有助于在上下文和SAS的上下文中确定LLMS的潜在搜索指导。
在自我...
主要关键词
相关文件推荐
