大型语言模型用于粒子加速度器技术文档信息提取的应用
信息检索
2025-09-03 v1 人工智能
加速器物理
摘要
大规模粒子加速度器技术文档集合，加上经验丰富人员的退休，凸显了高效保存和转移专业知识的迫切需求。本文探索了大型语言模型 (LLMs) 用于自动化和增强从粒子加速度器技术文件中提取信息的应用。通过利用 LLMs，我们旨在解决知识保留的挑战，使从遗留文档中检索领域专长成为可能。我们呈现了将 LLMs 适用于该特定领域的初始结果。我们的评估表明，LLMs 在提取、总结和组织知识方面具有有效性，显著降低了随人员退休而丢失宝贵洞察力的风险。此外，我们讨论了当前 LLMs 的局限性，如可解释性和处理罕见领域术语的问题，并提出了改进策略。本工作凸显了 LLMs 在保存制度知识、确保高度专业领域连续性方发挥关键作用的潜力。
引用
@article{arxiv.2509.02227,
title = {Application Of Large Language Models For The Extraction Of Information From Particle Accelerator Technical Documentation},
author = {Qing Dai and Rasmus Ischebeck and Maruisz Sapinski and Adam Grycner},
journal= {arXiv preprint arXiv:2509.02227},
year = {2025}
}