引入 ChatSQC：以增强型 AI 提升统计质量控制
人机交互
2024-10-16 v2
摘要
我们介绍了 ChatSQC，一个创新的聊天机器人系统，它结合了 OpenAI 的 Large Language Models（LLM，大语言模型）与统计质量控制（SQC）领域的特定知识库。我们的研究聚焦于利用特定 SQC 参考文献增强 LLM，阐明数据预处理参数与 LLM 选择如何影响生成回复的质量。通过展示这一过程，我们希望激励更广泛的社区参与，以改进 LLM 设计与输出评估技术。我们还强调了可借助 ChatSQC 推动的 SQC 领域内潜在研究机会，从而拓宽 SQC 的应用谱系。我们工作的主要目标是提供一个模板与概念验证，说明我们的社区应如何利用 LLM。为持续改进 ChatSQC，我们请求 SQC 社区通过我们的公共 GitHub 仓库提供反馈、指出潜在问题、请求附加功能及/或通过拉取请求做出贡献。此外，团队将持续探索添加补充参考资料，以进一步提升聊天机器人的上下文理解能力。总体而言，ChatSQC 证明了 AI 在 SQC 中的变革潜力，我们希望它能推动该领域 AI 融合的进一步进展。
引用
@article{arxiv.2308.13550,
title = {Introducing ChatSQC: Enhancing Statistical Quality Control with Augmented AI},
author = {Fadel M. Megahed and Ying-Ju Chen and Inez Zwetsloot and Sven Knoth and Douglas C. Montgomery and L. Allison Jones-Farmer},
journal= {arXiv preprint arXiv:2308.13550},
year = {2024}
}
备注
24 pages