Mar, 2024

AutoTRIZ：TRIZ和大型语言模型的人工创意

HTML
PDF
TL;DRAutoTRIZ是一种利用大语言模型来自动和增强TRIZ方法的人工创意工具，通过广泛的知识和高级推理能力，提供了一种通过人工智能进行设计自动化和可解释创意的新方法。
发现论文，激发创造
  • 大型语言模型与交流在工程设计中的机遇

    本文介绍了大型语言模型如何贡献于设计话语，并自动化其中创造性与推理的部分，例如模拟、实验、拓扑优化等过程，从而构建一套可操作的、以话语为中心的设计框架。

    Jun, 2023

  • 大型语言模型如何帮助人类在设计和制造中？

    大型语言模型(Large Language Models, LLMs)，如GPT-4的进步为生成设计提供了新的机会，本文调查了该工具在整个设计和制造流程中的应用。通过一系列示例，我们突出了当前LLMs的优点和局限性，旨在推动这些模型的持续改进和进步。

    Jul, 2023

  • 随机性即所需：大型语言模型对问题-解决方案空间的语义遍历

    通过使用带有自定义想法数据库的LLM微调的新方法来探索创新问题和解决方案领域，通过在不同温度级别上语义地遍历双向问题和解决方案树，我们在解决方案编辑距离方面实现了高多样性，同时在语义上仍然保持与原始问题陈述的密切联系。此方法除了找到给定问题的各种解决方案外，还可以用于改进和澄清原始问题陈述。作为进一步验证该方法的证明，我们实施了一个概念验证的Slack机器人，作为创新助手。

    Feb, 2024

  • 基于LLM的专利矛盾提取

    本文提出了一种基于Prompt Engineering的方法，利用生成式大型语言模型（LLM），即OpenAI的GPT-4，从专利文本中提取TRIZ矛盾。

    Mar, 2024

  • LLM推理器：大型语言模型逐步推理的新评估、库和分析

    该论文介绍了 AutoRace 和 LLM Reasoners，分别用于评估和实现不同的推理方法，以解决大型语言模型在生成推理链时所面临的挑战。

    Apr, 2024

  • 大型语言模型探索多样化设计解决方案的能力

    通过调整参数和不同的提示工程技术, 探索大型语言模型在生成多样化设计方案方面的有效性, 并通过比较多个参数和提示工程方法的组合, 以及使用相同多样性指标与人工设计方案进行比较, 结果表明人类生成的解决方案在所有设计主题上始终有更高的多样性评分。

    May, 2024

  • 用LLMs推理概念：充斥着不一致

    知识的总结和组织对于学习和推理至关重要。我们展示了大型语言模型在知识方面存在显著的不一致性。通过使用简单的知识图谱，我们能够揭示语言模型中的概念上的不一致性，并提出了改进语言模型的策略。

    May, 2024

  • LLM2FEA: 用生成进化多任务技术发现新颖设计

    本研究旨在通过多领域知识的传递，提出LLM2FEA作为首次尝试，以发现生成模型中的创新设计。实验结果在3D空气动力学设计方面验证了LLM2FEA的发现能力。LLM2FEA生成的设计不仅在一定程度上满足实用性要求，而且具有新颖而美观的形状，展示了LLM2FEA在发现任务中的潜在应用。

    Jun, 2024

  • 大型语言模型在交通系统工程中的能力基准测试：准确性、一致性与推理行为

    本研究解决了大型语言模型在交通工程问题中的表现不足，提出了TransportBench基准数据集来评估这些模型的准确性、一致性与推理行为。通过对多个先进模型的分析，我们发现了它们的独特优势与局限性，特别是Claude 3.5 Sonnet在准确性方面表现出色但存在不一致性。这项研究为利用人工通用智能解决复杂交通挑战迈出了激动人心的一步。

    Aug, 2024

  • 搜索思维的自动化：迈向健全性和完整性的旅程

    本研究解决了大型语言模型在规划任务中的局限性，通过自动化搜索思维（AutoToS）来消除人类参与，从而提高搜索过程的健全性和完整性。该方法通过通用和特定领域的单元测试反馈，引导模型逐步生成有效的搜索组件，实现了所有评估领域100%的准确率，具有重要的实际应用潜力。

    Aug, 2024