Taramandal-GPT：通过知识检索和结构化思维增强天体动力学问题解决能力

大型语言模型（LLM）在自然语言理解方面取得了显着进展，但由于多步推理、符号操作和特定领域术语方面的挑战，它们在天文学和天体动力学等专业领域的有效性仍然有限。为了解决这个问题，我们提出了 Taramandal-GPT (Constellation-GPT)，这是一个基于 Qwen3-8b 主干的域适应框架，通过检索增强生成 (RAG) 管道和回退机制进行了增强，以提高上下文精度。我们在天体动力学问题基准 (APBench) 上对其进行评估，该数据集包含 299 个问题，涵盖空间科学的基础到高级水平。使用双重评估方法——基于数字边缘的评分和语义相似性评估——Taramandal-GPT 实现了与最先进的开源和闭源模型的竞争性能，在思维密集型任务中具有显着的优势。这些结果凸显了专业大语言模型对于要求准确性和可解释性的领域的价值，将 Taramandal-GPT 定位为迈向天体物理学、航天器工程和太空探索的可靠人工智能 (AI) 助手的一步。