面向能源领域大语言模型应用的多模态数据集
系统与控制
2026-07-13 v1 人工智能
摘要
本文介绍了mAIEnergy数据集，这是一个开放获取的多模态语料库，旨在支持能源领域的大语言模型（LLM）应用。该数据集整合了约50,000篇文本文档、20,000张图像、2500万条数值时间序列记录以及200万条地理空间和关系数据条目。它包括政策和监管文本、科学文章和新闻文章、卫星和背景图像、电力系统测量数据、天气观测数据、统计指标以及能源基础设施和相关实体的地理空间表示。所有数据都已协调为结构化、即用型格式，并附有统一的元数据以及可复现的数据检索和准备工作流程。该数据集可作为基础的能源知识库，允许能源利益相关者整合其他开源或专有数据。mAIEnergy数据集遵循可查找、可访问、可互操作和可重用（FAIR）原则，增强了其在AI驱动的能源研究、建模和决策中的适用性。
引用
@article{arxiv.2607.11459,
title = {A Multimodal Dataset for Large Language Model Applications in the Energy Domain},
author = {Costas Mylonas and Magda Foti},
journal= {arXiv preprint arXiv:2607.11459},
year = {2026}
}