Buchumschlag

Optimization through In-Context Learning and Iterative LLM Prompting for Nuclear Engineering Design Problems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Oktavian, M. Rizki, Tunga, Anirudh, Bakshi, Amandeep, Mueterthies, Michael J., Gruenwald, J. Thomas, Nistor, Jonathan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

AI Enabled Neutron Flux Measurement and Virtual Calibration in Boiling Water Reactors
von: Tunga, Anirudh, et al.
Veröffentlicht: (2024)

Predicting BWR Criticality with Data-Driven Machine Learning Model
von: Oktavian, Muhammad Rizki, et al.
Veröffentlicht: (2024)

A Methodology for Thermal Limit Bias Predictability Through Artificial Intelligence
von: Tunga, Anirudh, et al.
Veröffentlicht: (2026)

LLMize: A Framework for Large Language Model-Based Numerical Optimization
von: Oktavian, M. Rizki
Veröffentlicht: (2025)

An Aspect Extraction Framework using Different Embedding Types, Learning Models, and Dependency Structure
von: Erkan, Ali, et al.
Veröffentlicht: (2025)

Optimizing LLM Prompt Engineering with DSPy Based Declarative Learning
von: Ruksana, Shiek, et al.
Veröffentlicht: (2026)

From Collapse to Improvement: Statistical Perspectives on the Evolutionary Dynamics of Iterative Training on Contaminated Sources
von: Bakshi, Soham, et al.
Veröffentlicht: (2026)

Design Optimization of Nuclear Fusion Reactor through Deep Reinforcement Learning
von: Kim, Jinsu, et al.
Veröffentlicht: (2024)

Prompt Optimization via Adversarial In-Context Learning
von: Do, Xuan Long, et al.
Veröffentlicht: (2023)

Iterative Amortized Inference: Unifying In-Context Learning and Learned Optimizers
von: Mittal, Sarthak, et al.
Veröffentlicht: (2025)

cMALC-D: Contextual Multi-Agent LLM-Guided Curriculum Learning with Diversity-Based Context Blending
von: Satheesh, Anirudh, et al.
Veröffentlicht: (2025)

IterInject: Indirect Prompt Injection Against LLM Agents via Feedback-Guided Iterative Optimization
von: Chen, Zixuan, et al.
Veröffentlicht: (2026)

Enhancing Quantum Federated Learning with Fisher Information-Based Optimization
von: Bhatia, Amandeep Singh, et al.
Veröffentlicht: (2025)

ADO-LLM: Analog Design Bayesian Optimization with In-Context Learning of Large Language Models
von: Yin, Yuxuan, et al.
Veröffentlicht: (2024)

Batch Calibration: Rethinking Calibration for In-Context Learning and Prompt Engineering
von: Zhou, Han, et al.
Veröffentlicht: (2023)

Batch Normalization for Neural Networks on Complex Domains
von: Nguyen, Xuan Son, et al.
Veröffentlicht: (2026)

LLM In-Context Recall is Prompt Dependent
von: Machlab, Daniel, et al.
Veröffentlicht: (2024)

Toward an Artificial General Teacher: Procedural Geometry Data Generation and Visual Grounding with Vision-Language Models
von: Nguyen-Truong, Hai, et al.
Veröffentlicht: (2026)

Byzantine-Resilient Zero-Order Optimization for Communication-Efficient Heterogeneous Federated Learning
von: Egger, Maximilian, et al.
Veröffentlicht: (2025)

Monte Carlo Tree Search Boosts Reasoning via Iterative Preference Learning
von: Xie, Yuxi, et al.
Veröffentlicht: (2024)

LLM Prompt Duel Optimizer: Efficient Label-Free Prompt Optimization
von: Wu, Yuanchen, et al.
Veröffentlicht: (2025)

Linear Feedback Control Systems for Iterative Prompt Optimization in Large Language Models
von: Karn, Rupesh Raj
Veröffentlicht: (2025)

In-Context Learning with Iterative Demonstration Selection
von: Qin, Chengwei, et al.
Veröffentlicht: (2023)

CADMR: Cross-Attention and Disentangled Learning for Multimodal Recommender Systems
von: Khalafaoui, Yasser, et al.
Veröffentlicht: (2024)

AIRCHITECT v2: Learning the Hardware Accelerator Design Space through Unified Representations
von: Seo, Jamin, et al.
Veröffentlicht: (2025)

Prompt Design and Engineering: Introduction and Advanced Methods
von: Amatriain, Xavier
Veröffentlicht: (2024)

Learning on the Manifold: Unlocking Standard Diffusion Transformers with Representation Encoders
von: Kumar, Amandeep, et al.
Veröffentlicht: (2026)

Siegel Neural Networks
von: Nguyen, Xuan Son, et al.
Veröffentlicht: (2025)

Federated In-Context Learning: Iterative Refinement for Improved Answer Quality
von: Wang, Ruhan, et al.
Veröffentlicht: (2025)

Iterative Feature Space Optimization through Incremental Adaptive Evaluation
von: Wu, Yanping, et al.
Veröffentlicht: (2025)

ASPIRE: Iterative Amortized Posterior Inference for Bayesian Inverse Problems
von: Orozco, Rafael, et al.
Veröffentlicht: (2024)

ADO: Automatic Data Optimization for Inputs in LLM Prompts
von: Lin, Sam, et al.
Veröffentlicht: (2025)

GraphPrompter: Multi-stage Adaptive Prompt Optimization for Graph In-Context Learning
von: Lv, Rui, et al.
Veröffentlicht: (2025)

A Survey of Automatic Prompt Engineering: An Optimization Perspective
von: Li, Wenwu, et al.
Veröffentlicht: (2025)

PromptEvolver: Prompt Inversion through Evolutionary Optimization in Natural-Language Space
von: Buchnick, Asaf, et al.
Veröffentlicht: (2026)

GraphICL: Unlocking Graph Learning Potential in LLMs through Structured Prompt Design
von: Sun, Yuanfu, et al.
Veröffentlicht: (2025)

Prompt Engineering a Prompt Engineer
von: Ye, Qinyuan, et al.
Veröffentlicht: (2023)

Learning to Extract Context for Context-Aware LLM Inference
von: Kim, Minseon, et al.
Veröffentlicht: (2025)

SMT-EX: An Explainable Surrogate Modeling Toolbox for Mixed-Variables Design Exploration
von: Robani, Mohammad Daffa, et al.
Veröffentlicht: (2025)

Learning Iterative Reasoning through Energy Diffusion
von: Du, Yilun, et al.
Veröffentlicht: (2024)