IQLS：利用元数据实现基于大语言模型的复杂多变数据查询框架

随着数据量和复杂性的增长，检索数据变得更加困难，需要更多的知识和资源。对于物流行业尤其如此，新的数据收集技术提供了大量的互联实时数据。智能查询与学习系统（IQLS）通过允许自然语言使用来简化数据检索过程。它将结构化数据映射到基于可用元数据和数据模型的框架中。该框架为基于大语言模型的智能体创建了环境。智能体利用数据的层次结构，通过多次小上下文感知决策而不是一次性数据检索来迭代过滤。数据过滤后，IQLS使智能体能够通过接口完成用户查询给出的任务。这些接口范围从多式联运信息检索到多约束下的路径规划。后者让智能体定义一个动态对象，该对象基于查询参数确定。该对象代表一个能够在道路网络中导航的驾驶员。道路网络被描绘成一个具有基于数据属性的图。使用Dijkstra算法的修改版本，可以确定给定约束下的最优路径。在整个过程中，用户保持交互和引导系统的能力。IQLS在加拿大物流行业的案例研究中展示，允许地理空间、视觉、表格和文本数据以自然语言语义轻松查询。