arXiv cs.AI· K\'erian Fiter, Angelica Portocarrero, Bentley Oakes·· 3 天前AI 评分20
DTScribe：用本地大语言模型生成数字孪生报告模型
DTScribe: Generating Models for Digital Twin Reporting using Local Large Language Models
AI 导读
DTScribe 可读取数字孪生文档，自动输出概念架构可视化与报告页面，并生成 Ontological Modeling Language 描述模型。它通过大语言模型评审与本体推理的细化循环提升产物质量，使约 20B 参数的本地中型模型达到接近更大模型的效果。研究建议避免用大语言模型做评审、避免用聚类做特征提取，并推荐至少两轮推理循环。
正文 · AI 翻译
摘要：数字孪生的开发汇集了众多利益相关者和技术组件。我们此前已研究过将这些数字孪生的概念架构作为讨论工件进行报告。然而，我们发现，为可视化和建立共识而对数字孪生进行建模的活动可能相当繁琐且耗时。
在本文中，我们探索利用大语言模型实现模型生成的自动化，目标是数字孪生报告所需的模型。我们的方法旨在读取数字孪生文档，并输出该数字孪生的概念架构可视化结果和报告页面。我们首先从输入中提取与我们在先前工作中描述的二十一特征数字孪生描述框架相符的关键细节。然后，我们生成本体建模语言（Ontological Modeling Language）的描述模型，将数字孪生表示为由模型、数据、使能要素和服务构成的星座。我们利用以大语言模型作为评判者的精化循环和本体推理，以提高由我们的指标衡量的工件质量。
我们研究架构和参数选择如何影响工件质量，例如精化循环如何使本地大语言模型能够产生与更大模型相当的高质量结果。我们还详细介绍了对实践者有用的见解和经验教训，以便他们能够整合我们的技术，加速其数字孪生报告或其他模型生成任务。这些见解包括：使用中型本地模型（约 200 亿参数）、避免使用大语言模型作为评判者以及避免使用聚类进行特征提取，以及建议至少进行两轮推理器循环以精化本体建模语言。
| 主题： | 软件工程（cs.SE）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.18635 [cs.SE] |
| （或 arXiv:2610.18635v1 [cs.SE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.18635 arXiv 颁发的 DOI，经由 DataCite（待注册） |
提交历史
来自：Kérian Fiter [查看电子邮件]
[v1]
2026年10月13日星期二 16:07:43 UTC（2,834 KB）
来源：arXiv cs.AI · arxiv.org