Distribird：基于文献信息的贝叶斯模型校准先验分布设计
原标题：Distribird: Literature-Informed Prior Distribution Design for Bayesian Model Calibration
AI 摘要
本文提出 Distribird 方法，利用大型语言模型（LLM）自动搜索科学文献并提取数值，为贝叶斯模型校准构建可追溯的信息先验分布。该方法解决了传统均匀先验不充分且文献调研成本高的问题，同时克服了直接提示 LLM 生成先验缺乏可追溯性和引用的问题。研究表明，Distribird 能提供有据可依的先验，提高校准效率与可靠性，并确保科学研究的可审计性和归因。
正文节选
Distribird Literature-Informed Prior Distribution Design for Bayesian Model Calibration Patrik P. Süli1,2, György Eigner1,2,3, Roland Hollós4,5 1 Doctoral School of Applied Informatics and Applied Mathematics, Obuda University, Budapest, Hungary 2 Biomatics and Applied Artificial Intelligence Institute, John von Neumann Faculty of Informatics, Obuda University, Budapest, Hungary 3 Physiological Controls Research Center, Obuda University, Budapest, Hungary 4 HUN-REN Centre for Agricultural Resea