LLM系统助力激光粉末床熔融中的可解释缺陷分析

研究人员开发了一种新的决策支持系统，该系统结合了关于缺陷的结构化知识和大型语言模型（LLM），用于分析和指导激光粉末床熔融（LPBF）制造中的缓解策略。该系统利用了集成本体的LLM，其中包含一个包含27种缺陷类型及其因果关系的知识库。它支持自然语言查询以获取缺陷解释和缓解建议，并包括一个多模态图像评估模块，用于解释缺陷图像。评估显示，集成系统取得了0.808的宏平均F1分数，展示了改进的一致性和可解释性。 AI

影响 该系统可以通过提供可解释的缺陷分析和缓解指导来改进制造质量控制。

排序理由 这是一篇详细介绍用于制造缺陷分析的新颖系统的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• Cohen's kappa
• foundation models
• LLM
• Md Habibor Rahman
• ontology
• Laser Powder Bed Fusion

• 论文
• 其他

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