IM-Chat：基于多智能体大语言模型集成工具调用与扩散建模，用于注塑工业知识传递
人工智能
2025-10-23 v2 多智能体系统
摘要
注塑工业面临着在经验丰富的工人退休和多语言障碍阻碍有效沟通的情况下，保存和传递现场知识的关键挑战。本研究引入了IM-Chat，一个基于大语言模型（LLM）的多智能体框架，旨在促进注塑工业的知识传递。IM-Chat集成了有限的文档化知识（如故障排查表、手册）和通过数据驱动的工艺条件生成器从环境输入（如温度和湿度）推断最佳制造设置建模的广泛现场数据，实现稳健且情境感知的任务解决。通过采用检索增强生成（RAG）策略和工具调用智能体 within a模块化架构，IM-Chat确保无需微调即可实现可适应性。性能通过针对GPT-4o、GPT-4o-mini和GPT-3.5-turbo在100个单工具和60个混合任务中由领域专家使用以10分为基准进行评估，侧重于相关性和正确性，并通过使用GPT-4o指导的领域适应指令提示符进行自动化评估。评估结果表明，更强大的模型在复杂的集成工具场景中通常实现更高的准确率。此外，与针对单一智能体LLM进行微调的IM-Chat相比，IM-Chat在定量推理方面表现出更高的准确率，并在处理多个信息源方面具有更大的可扩展性。总体而言，这些发现表明了多智能体LLM系统在工业知识工作流程中的可行性，并将IM-Chat确立为制造业中AI辅助决策支持的可扩展和通用的方法。
引用
@article{arxiv.2507.15268,
title = {IM-Chat: A Multi-agent LLM Framework Integrating Tool-Calling and Diffusion Modeling for Knowledge Transfer in Injection Molding Industry},
author = {Junhyeong Lee and Joon-Young Kim and Heekyu Kim and Inhyo Lee and Seunghwa Ryu},
journal= {arXiv preprint arXiv:2507.15268},
year = {2025}
}