arXiv cs.CY· Andrea Gerardo Russo, Federico Ruggeri, Ivan Tomarchio, Davide Bombini, Nicol\`o Donati, Gianmarco Pappacoda, Paolo Torroni, Giuseppe-Emiliano La Cara·· 3 天前AI 评分21
铁路工程任务中的检索增强生成：一个案例研究
Retrieval-Augmented Generation to Support Railways Engineering Tasks: A Case Study
AI 导读
一项案例研究记录了面向铁路领域复杂技术法规咨询的 RAG 系统从设计到部署的全过程。该系统以人为中心，用 LLM 驱动技术文档咨询，在技术能力与领域专业知识之间取得平衡，其经验对监管合规要求高、需从复杂文档中精准检索信息的受监管行业具有参考价值。
正文 · AI 翻译
摘要：技术法规的数量和复杂性不断增加，这对受监管行业的所有专业人士来说都是一项重要挑战。本文描述了一个案例研究，涵盖从设计到部署的全过程，内容是为铁路领域复杂技术法规的查询构建一个检索增强生成系统。尽管该系统是为铁路行业开发的，但这一工业经验对于法规合规性和从复杂文档中准确检索信息属于基本要求的技术领域具有特殊价值。它还为在各类受监管行业中实施由 LLM 驱动的技术文档查询提供了一种以人为本的方法，在技术能力与领域专业知识之间取得平衡。
| 学科： | 信息检索（cs.IR）；计算机与社会（cs.CY） |
| 引用为： | arXiv:2607.01244 [cs.IR] |
| （或 arXiv:2607.01244v2 [cs.IR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2607.01244 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Federico Ruggeri [查看电子邮件]
[v1]
2026年5月18日星期一 14:57:21 UTC（288 KB）
[v2]
2026年10月14日星期三 13:26:13 UTC（706 KB）
来源：arXiv cs.CY · arxiv.org