近日，一项关于利用大型语言模型（llm）进行航天器自主控制的研究引起关注。研究人员通过模拟竞赛的方式，测试了chatgpt在航天器操控方面的表现。结果显示，chatgpt在自主航天器模拟竞赛中取得了第二名的优异成绩，仅次于一个基于不同方程的模型。这一成果不仅展示了llm在航天领域的应用潜力，也为未来的航天自主系统开发提供了新的思路。

随着航天技术的不断发展，卫星数量不断增加，未来人类将无法手动控制所有卫星。此外，在深空探测中，光速的限制使得我们无法实时直接控制航天器。因此，开发能够自主进行决策的机器人系统成为航天领域的重要发展方向。为了推动相关技术的创新，近年来航空航天研究人员创建了基于热门游戏《坎巴拉太空计划》的“坎巴拉太空计划微分博弈挑战赛”。这一挑战赛为研究人员提供了一个相对真实的环境，用于设计、实验和测试自主系统。竞赛包括多种场景，例如追逐和拦截卫星的任务，以及躲避探测的任务。

在即将发表于《空间研究进展》杂志的一篇论文中，一个国际研究团队介绍了他们的参赛方案：一款商业化的llm，类似于chatgpt和llama。研究人员选择使用llm的原因在于，传统的自主系统开发方法需要经过多次训练、反馈和优化，而坎巴拉挑战赛的使命是尽可能真实地模拟现实情况，这意味着任务可能仅持续数小时，因此持续优化模型是不切实际的。相比之下，llm已经在大量人类文本上进行了训练，因此在最佳情况下，它们只需要经过少量的精心提示词工程和几次尝试，就能为特定情境找到合适的上下文。

据it之家了解，为了使llm能够实际操控航天器，研究人员开发了一种方法，将航天器的状态和目标以文本形式进行描述，并将其传递给llm，请求其提供关于如何调整和操纵航天器的建议。随后，研究人员开发了一个转换层，将llm基于文本的输出转换为能够操作模拟航天器的功能代码。通过一系列简单的提示词和一些微调，研究人员成功让chatgpt完成了挑战中的许多测试任务，并最终在竞赛中获得第二名。

值得注意的是，这些研究工作是在chatgpt最新的4.0版本发布之前完成的。尽管如此，llm在航天领域的应用仍面临诸多挑战，尤其是避免“幻觉”（即无意义的、不合理的输出）的问题。在现实场景中，这种错误输出可能会带来灾难性的后果。然而，这一研究结果仍然充分展示了即使是现成的llm，在吸收了大量人类知识后，也能以意想不到的方式被应用于实际工作中。

摩根士丹利、德意志银行上调美联储降息预期　　由于通胀放缓且劳动力市场走弱，美联储具备加快宽松步伐的条件，摩根士丹利与德意志银行的经济学家已提前上调未来数月美联储的降息预期。　　市场普遍预计，美联储将在下周的会议上宣布首轮降息，幅度为25个基点，且这将是一系列降息的开端