本文介绍了受管查询架构框架 (GQAF),以应对 AI 参与系统工程中的挑战。GQAF 旨在确保 AI 系统能够准确地从 SysML v2 等机器可读模型中提取信息,而不是用未经验证的训练数据来填补空白。它提出了“认知充分性”作为一项关键属性,侧重于为 AI 查询提供推导、状态和来源信息,并提出“写侧可容许性”来管理 AI 在被记录之前的贡献。 AI
影响 该框架可以提高用于复杂工程任务的 AI 系统的可靠性和可验证性。
排序理由 该条目是一篇学术论文,详细介绍了 AI 在系统工程中的新框架。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- Apollo 11
- arXiv
- CatalyzeX
- Connected Papers
- DagsHub
- Gotit.pub
- Governed-Query Architecture Framework
- Hugging Face
- Litmaps
- ScienceCast
- scite Smart Citations
- SysML v2
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →