arXiv cs.CL· Tosin Adewumi, Martin Karlsson, Marcus Liwicki, Mikael Sj\"odahl, Lama Alkhaled, Rihab Gargouri, Nudrat Habib·· 12 小时前AI 评分18
从岩底到云端：电池全生命周期 NLP 应用系统综述
From the Rock Floor to the Cloud: A Systematic Survey of State-of-the-Art NLP in Battery Life Cycle
AI 导读
一篇系统综述梳理了 NLP 在电池全生命周期各阶段的应用，按 PRISMA 方法检索 Google Scholar、IEEE Xplore 和 Scopus，从 274 篇论文中筛出 66 篇进行评审。研究发现电池领域正涌现材料发现等新 NLP 任务，但缺乏标准 benchmark 仍是主要挑战。作者提出面向欧盟数字电池护照（DBP）的 TLP 框架，结合智能体 AI 与优化提示词以应对部分难题。
正文 · AI 翻译
摘要：本工作对自然语言处理（NLP）在电池全生命周期中的应用进行了系统综述，而非仅针对某一阶段或方法的综述，并作为主要目标，为欧盟（EU）拟议的数字电池护照（DBP）及其他通用电池预测引入了一种新颖的概念性技术语言处理（TLP）框架。本工作遵循系统综述与荟萃分析首选报告项目（PRISMA）方法，并采用了三个知名数据库或搜索引擎，包括 Google Scholar、电气与电子工程师协会 Xplore（IEEE Xplore）和 Scopus，检索时间为 2025 年 10 月。检索标准为“text”、“language processing”和“battery”，排除标准为不相关论文以及 2017 年之前发表的论文，该排除标准适用于所有数据库，但 IEEE Xplore 除外，因为其检索结果较少。因此，本工作在最终对 66 篇相关论文进行批判性综述之前，评估了 274 篇科学论文。我们公开提供该综述的制品以供验证和可能的可复现性。研究结果表明，电池领域正在涌现新的 NLP 任务，这些任务促进了材料发现及生命周期的其他阶段。尽管如此，挑战依然存在，例如缺乏标准基准。所提出的 TLP 框架结合了代理式 AI 和优化提示，可能适合应对其中一些挑战。
| 评论： | 18 页，3 张图片 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2510.27369 [cs.CL] |
| （或 arXiv:2510.27369v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2510.27369 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Tosin Adewumi [查看电子邮件]
[v1]
2025 年 10 月 31 日星期五 11:00:39 UTC（808 KB）
[v2]
2026 年 10 月 27 日星期二 10:09:02 UTC（1,167 KB）
来源：arXiv cs.CL · arxiv.org