降低大型语言模型在多步骤结构建模中幻觉的新型多智能体架构
人工智能
2026-03-10 v1
摘要
大型语言模型 (LLM) 如 GPT 和 Gemini 在上下文理解和推理方面展现出卓越的能力。LLM 的强大性能催生了越来越多的兴趣,将其用于自动化处理通常依赖人类专业知识的任务。最近,LLM 被集成到能够操作结构分析软件(如 OpenSees)以构建结构模型和执行分析的智能代理中。然而,现有的 LLM 在处理多步骤结构建模时受限于频繁的幻觉和长序列操作中的误差累积。为此,本研究提出一种新型多智能体架构来自动化使用 OpenSeesPy 的结构建模和分析。首先,问题分析和 construction planning 智能体从用户描述中提取关键参数并制定分步骤建模计划。节点和元素智能体随后以并行方式组装框架几何,随后由载荷分配智能体执行。 resulting 的几何和载荷信息被翻译为可执行的 OpenSeesPy 脚本。代码翻译智能体。对该架构在20个框架问题上进行基准测试,经过十次重复实验,在18个案例中实现了100%的准确率,在剩余两个案例中实现了90%。该架构还显著提高了计算效率,并证明其对更大规模结构系统具有可扩展性。
关键词
引用
@article{arxiv.2603.07728,
title = {A Novel Multi-Agent Architecture to Reduce Hallucinations of Large Language Models in Multi-Step Structural Modeling},
author = {Ziheng Geng and Jiachen Liu and Ran Cao and Lu Cheng and Dan M. Frangopol and Minghui Cheng},
journal= {arXiv preprint arXiv:2603.07728},
year = {2026}
}