基于零样本学习的失效风险预测
机器学习
2025-06-27 v1
摘要
组件失效 poses 对于依赖电子组件的行业构成重大挑战，导致成本增加和系统安全性与可用性受到影响。准确的失效风险预测至关重要，但受限于可靠数据的不足。本文提出了一种 novel 方法，通过零样本学习（ZSL）结合大型语言模型（LLMs）来预测失效风险，从而解决数据不足的问题，利用表格数据集中的 domain-specific knowledge。该方法应用于两个真实数据集，显示出有效的风险预测能力。比较评估了四个 LLMs，凸显了为特定预测任务选择合适模型的重要性。
引用
@article{arxiv.2506.21240,
title = {Zero-Shot Learning for Obsolescence Risk Forecasting},
author = {Elie Saad and Aya Mrabah and Mariem Besbes and Marc Zolghadri and Victor Czmil and Claude Baron and Vincent Bourgeois},
journal= {arXiv preprint arXiv:2506.21240},
year = {2025}
}