返回
Evaluating LLM Performance in TRIZ-Based System Forecasting: A Study Using 9-Windows
DOI:10.1007/978-3-032-08847-5_8.png)
摘要
En 中文
大型语言模型(LLMs)在结构化预见任务中显示出潜力,但在连贯性和方法论一致性方面存在困难。本研究评估了七种LLMs在五个系统和三种提示类型下生成TRIZ系统操作工具(SOTs)的能力。在复杂或模糊的背景下,尤其是在趋势和超系统领域,性能下降。专家评审和语义指标表明,分解提示可以提高输出质量。研究发现,当前的LLMs需要人机协作和定制化提示来实现高级预见。
Keyword:
LLM
Data-driven TRIZ
Technology forecasting
期刊
机构
暂无机构信息
引用论文
Semantic TRIZ feasibility in technology development, innovation, and production: A systematic review语义TRIZ在技术开发、创新和生产中的可行性: 系统综述
HELIYON
IF3.6
没有更多内容

