面向工艺工程问题解决的知识图谱驱动大型语言模型操作系统 (LLM OS)
机器学习
2024-08-28 v1 人工智能
摘要
我们提出了 Process Engineering Operations Assistant (PEOA)，一个致力于解决化工与工艺行业复杂问题的人工智能驱动框架。该框架采用模块化架构，由一个 meta-agent 作为中央协调器，管理一个 action generator 和指令微调的小型语言模型 (专家模型)。action generator 将复杂问题分解为子任务，并识别适合执行每个子任务的专家模型，从而为多步骤问题解决提供精确解决方案。关键技术包括针对信息检索的高级知识建模使用属性图，促进更准确、上下文相关的解决方案。此外，该框架利用 GPT-4 (Omni) 的教师-学生迁移学习方法对 action generator 和专家模型进行微调以进行领域适应，同时采用具有精细错误处理的迭代问题解决机制。开发了自定义数据集，用于在各种工程任务上对该框架与领先专有语言模型进行评估。结果表明，该框架在自动化计算、加速原型设计和为工业过程提供 AI 增强决策支持方面具有有效性，标志着工艺工程能力的重大进步。
引用
@article{arxiv.2408.14494,
title = {Knowledge Graph Modeling-Driven Large Language Model Operating System (LLM OS) for Task Automation in Process Engineering Problem-Solving},
author = {Sakhinana Sagar Srinivas and Vijay Sri Vaikunth and Venkataramana Runkana},
journal= {arXiv preprint arXiv:2408.14494},
year = {2024}
}
备注
Accepted for Publication by Association for the Advancement of Artificial Intelligence, Fall Symposium Series