一项新研究通过分析自然语言错误报告，探索了在工业软件中使用 AI 进行故障定位。ABB Robotics 的研究人员使用五年的专有数据，对传统的机器学习模型和微调后的 Transformer 模型进行了基准测试。令人惊讶的是，像具有 TF-IDF 特征的 Random Forest 这样的经典模型，其表现优于基于 Transformer 的方法，这表明在专业的工业环境中，高级模型并非总是更优。 AI
影响 挑战了 Transformer 模型在工业环境中普遍优于经典方法的假设。
排序理由 学术论文，评估工业数据上的 AI 模型。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2604.25700v1 Announce Type: cross Abstract: Software quality assurance remains a major challenge in industrial environments, where large-scale and long-lived systems inevitably accumulate defects. Identifying the location of a fault is often time-consuming and costly, parti…
Software quality assurance remains a major challenge in industrial environments, where large-scale and long-lived systems inevitably accumulate defects. Identifying the location of a fault is often time-consuming and costly, particularly during maintenance phases when developers …