PulseAugur
中
实时 04:44:09
English(EN) An Agentic AI Pipeline for Appliance-Level Energy Anomaly Detection and LLM-Driven Recommendations

AI 管道使用 LLM 进行办公室能源异常检测和建议

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种代理式 AI 管道，旨在改进办公楼宇的能源异常检测。该系统结合了深度时间序列预测、变分异常检测和基于 LLM 的推理，以提供可操作的维护建议。该管道使用混合 SSA 和 LSTM 预测模型、用于异常标记的 LSTM VAE，以及带有上下文代理、诊断代理和报告代理的 LangChain 框架。评估表明，动态检索方法在保持性能的同时显著减少了上下文来源，并且一个 7B 参数模型成功处理了所有测试场景。 AI

影响 这项研究展示了一种使用 LLM 和代理式管道进行能源管理的新颖方法，有望提高商业楼宇的运营效率。

排序理由 详细介绍新颖 AI 系统及其评估的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

AI 管道使用 LLM 进行办公室能源异常检测和建议

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Dihia Falouz, Aida Douaibia, Amine Bechar, Youssef Elmir, Abbes Amira, Adel Oulefki ·

    用于家电级能源异常检测和LLM驱动推荐的Agentic AI管道

    arXiv:2606.28467v1 Announce Type: cross Abstract: Appliance-level energy monitoring in office buildings produces noisy alerts that non-expert facility managers struggle to use. This paper proposes an end-to-end agentic pipeline that combines deep time-series forecasting, variatio…

相关实体

相关话题