采用 RAG 以增强 LLM 在未来车辆设计中的应用
软件工程
2024-11-15 v1 人工智能
摘要
本文探讨了将大型语言模型 (LLM) 与检索增强生成 (RAG) 相结合，以提高汽车行业自动化设计和软件开发的能力。我们提出了两个案例研究：一个标准合规聊天机器人和一个设计助理，两者都利用 RAG 提供准确、上下文感知的响应。我们评估了四个 LLM-GPT-4o、LLAMA3、Mistral 和 Mixtral——比较它们的回答准确性和执行时间。我们的结果表明，尽管 GPT-4 提供了卓越的性能，LLAMA3 和 Mistral 也显示出具有承诺的能力，可用于本地部署，从而解决汽车应用中数据隐私方面的顾虑。这一研究突显了 RAG 增强 LLM 在改进汽车工程设计工作流程和合规性方面的潜力。
引用
@article{arxiv.2411.09590,
title = {Adopting RAG for LLM-Aided Future Vehicle Design},
author = {Vahid Zolfaghari and Nenad Petrovic and Fengjunjie Pan and Krzysztof Lebioda and Alois Knoll},
journal= {arXiv preprint arXiv:2411.09590},
year = {2024}
}
备注
Conference paper accepted in IEEE FLLM 2024