面向能源与动力工程领域的 LLM 代理的领域特定 ReAct：基于气体涡轮气路分析的案例研究
人工智能
2024-06-13 v1 计算工程、金融与科学
机器学习
摘要
本研究探索了大语言模型（LLM）搭载可调用工具在能源与动力工程领域的应用，聚焦于气体涡轮的气路分析。我们开发了双代理工具调用流程，集成专家知识、预定义工具与 LLM 推理。我们评估了包括 LLama3、Qwen1.5 和 GPT 在内的 various LLMs。 smaller 模型在工具使用和参数提取方面表现不佳，while 更大的模型展现了 favorable 能力。所有模型在复杂、多组件问题上均面临挑战。基于测试结果，我们推断， nearly 1000 万参数的 LLMs 在经过 fine-tuning 和高级 prompt 设计后，可能满足专业场景需求。持续的发展很可能会提升其准确率和有效性，为更稳健的 AI 驱动解决方案铺平道路。
引用
@article{arxiv.2406.07572,
title = {Domain-specific ReAct for physics-integrated iterative modeling: A case study of LLM agents for gas path analysis of gas turbines},
author = {Tao Song and Yuwei Fan and Chenlong Feng and Keyu Song and Chao Liu and Dongxiang Jiang},
journal= {arXiv preprint arXiv:2406.07572},
year = {2024}
}