.png){kind=icon}
返回
Agent-Based Framework for Engineering Document Comprehension With Large Language Models
.png){kind=icon}
PRE
AI
DOI：10.1115/1.4071111.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
工程文档，如设计规则书和技术要求，在帮助工程师确保其设计符合指定标准方面发挥着关键作用。快速检索和推理此类文档对于高效的工程工作流程至关重要。大型语言模型（LLMs）和生成式AI的最新进展使得自动解释和推理复杂工程文档成为可能。然而，工程涵盖许多独特且高度专业化的子领域。由于通用LLMs（如GPT或Gemini）未在这些领域进行训练或微调，其领域特定推理性能仍然有限。为每个工程子领域整理专用数据集既不切实际，但却是微调和构建可靠的检索增强生成框架所必需的。因此，开发一种在数据稀缺条件下可为特定工程文档任务实例化的规范代理设计范式至关重要。为此，我们提出了一种代理框架，通过路由机制协调的专用代理利用现有LLM能力，实现可扩展且完全自动化的工作流程。我们在DesignQA作为代表性案例研究中评估了该框架，并证明其始终优于基线方法。此外，结果突显了其跨多样化工程要求的泛化潜力。在未来的工作中，我们计划将此框架扩展到更多工程领域，并探索更先进的代理策略。
Keyword:
agent-based framework
large language models (LLMs)
technical requirements
engineering document understanding
artificial intelligence
engineering informatics
knowledge engineering
machine learning for engineering applications
期刊
IF:
3.3
论文数:
113
被引数:
2.2K
机构
引用论文
.png){kind=icon}
DesignQA: A Multimodal Benchmark for Evaluating Large Language Models' Understanding of Engineering DocumentationDesignQA: 用于评估大型语言模型对工程文档的理解的多模态基准
OAAI
OAAI分享收藏Elicitron: A Large Language Model Agent-Based Simulation Framework for Design Requirements ElicitationElicitron：一种基于大型语言模型代理的设计需求获取仿真框架OAAI
OAAI分享收藏Domain Specialization as the Key to Make Large Language Models Disruptive: A Comprehensive Survey
PREAI
分享收藏Integrating Graph Retrieval-Augmented Generation With Large Language Models for Supplier Discovery将图检索增强生成与大型语言模型集成，用于供应商发现
PREAI
分享收藏
查看更多内容