arXiv cs.AI· Haotian Qiao, Robert P. Dick·· 6 天前AI 评分22
基于 LLM 的硬件数据手册分层知识图谱自动化构建框架
Faithful and Complete LLM-Assisted Automated Construction of Hierarchical Hardware Knowledge Graphs
AI 导读
该研究提出一套 LLM 驱动的自动化流水线，通过分块属性提取、分层路由和迭代精炼，将硬件数据手册转化为分层硬件知识图谱，并保留来源溯源。在 20 份硬件数据手册上，该框架实现 98.8% 属性忠实度，而一次性处理基线仅为 76.1%；该框架完整覆盖了基线 83.6% 的忠实属性，反向基线仅覆盖其 10.5%。
正文 · AI 翻译
摘要：硬件数据手册包含对元件选型、系统集成和硬件兼容性验证至关重要的工程规格。然而，人工检查既繁琐又容易出错，因为数据手册篇幅冗长且格式各异，密集的信息分散在表格、图表和文本中。尽管大语言模型（LLM）可以自动化这一过程，但即使文档在模型上下文窗口内，简单的单次处理也会遗漏相关规格。
我们提出了一种由 LLM 驱动的自动化流水线，通过基于分块的属性提取、分层路由和迭代细化，将硬件数据手册转换为通用的分层硬件知识图谱。该框架使用 LLM 进行信息提取和语义推理，同时保留来源出处，并通过经过验证的指令和确定性本地执行来应用图更新。这种分阶段设计减少了每次查询的上下文，并保持了可追溯的中间表示。由此生成的知识图谱为下游检索和推理提供了语义组织、来源可溯的硬件属性。
我们在 20 份涵盖不同元件类型和文档长度的硬件数据手册上评估了该框架。我们评估属性忠实度，并引入图间完整性，以在没有详尽真值的情况下衡量相对语义覆盖度。我们的框架实现了 98.8% 的属性忠实度，而单次基线为 76.1%，同时完整覆盖了 83.6% 的忠实基线属性；反向上，基线仅完整覆盖了我们属性的 10.5%。这些改进为下游硬件设计和验证提供了更可靠、更全面的工程信息，降低了忽略约束和做出错误决策的风险。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.12762 [cs.AI] |
| （或 arXiv:2610.12762v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.12762 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Haotian Qiao [查看电子邮件]
[v1]
2026年10月8日星期四 22:12:37 UTC（2,258 KB）
来源：arXiv cs.AI · arxiv.org