新的大语言模型框架利用语义数据增强工业预测能力

研究人员开发了一个名为任务-语义场分解（TSF）的新框架，以改进工业过程中的时间序列预测和软测量。这种大语言模型引导的方法利用现有的过程文档和变量描述来提高模型性能，特别是在标记数据稀缺和操作模式变化的场景下。TSF将语义信息整合到每次预测中，在各种工业任务中平均平均绝对误差（MAE）降低了6.4%，部分改进高达25.5%。该框架设计轻量级，参数和推理开销最小，适合部署。 AI

影响 通过整合过程文档中的语义信息，提高了工业预测的准确性，有望降低运营成本。

排序理由 详细介绍一种新颖的大语言模型引导的工业预测框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• LLM
• ScienceCast
• Task-Semantic Field Factorization
• Youcheng Zong

• 论文
• 产品

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