PowerCodeBench：面向 LLM 电力系统代码生成的知识边界探测与需求引导干预

查看 PDF HTML（实验性）

摘要：大型语言模型（LLM）可以将电网分析请求转化为用于电力系统仿真的可执行程序，但公用事业公司和研究实验室通常要求本地部署。在这种环境下，首次尝试的失败往往出现在 API 知识边界处，表现为虚构函数、参数误用和结果表处理不当。我们提出了 PowerCodeBench，一个以参数化基准生成器形式发布的、针对 pandapower 的冻结 2,000 任务套件，以及一种无需权重更新的部署时工作流。文档驱动的 L0-L3 探针生成按模型划分的 API 画像，用于诊断、模型比较、文档分配和后端校准。查询侧需求估计器在生成前选择分层 API 证据，而执行反馈则路由定向修复。在十个开放权重 LLM（1.5B-480B）和四个中端 API 上，相对于无辅助的首次尝试，启用验证的工作流在最多三轮修复后，将标量匹配准确率提高了 32-56 个百分点，且对每个至少 7B 的模型和每个 API 均成立。在匹配的无工具条件下，70B-120B 范围内的开放权重模型达到了四家供应商中端 API 的准确率范围。选择性注入使用其提示词 token 的 41% 即接近全层参考。在两种工作流下均通过数值检查的模型-项目对中，工程审查确认全工作流输出中有 88% 完成了所请求的分析，而普通修复下为 66%。在 OpenDSS 和 PyPSA 上的第 0 轮试点表明，应从冷启动时的广泛检索逐步过渡到校准后的选择性注入。实测吞吐量、延迟、能耗和分配的 GPU 内存确立了实用的本地服务包络。

评论：	52 页，10 幅图，包括补充材料。经同行评审后修订；扩展了验证、跨后端试点、服务测量和补充材料。发表于 Advanced Engineering Informatics
主题：	软件工程（cs.SE）；计算与语言（cs.CL）；系统与控制（eess.SY）
引用为：	arXiv:2605.31478 [cs.SE]
	（或本版本使用 arXiv:2605.31478v2 [cs.SE]）
	https://doi.org/10.48550/arXiv.2605.31478 由 DataCite 颁发的 arXiv DOI
期刊参考：	Advanced Engineering Informatics 77 (2027) 105328
相关 DOI：	https://doi.org/10.1016/j.aei.2026.105328 链接到相关资源的 DOI

提交历史

来自：Hui Wu [查看电子邮件]
[v1] 2026 年 5 月 29 日星期五 16:06:34 UTC（991 KB）
[v2] 2026 年 10 月 7 日星期三 02:35:18 UTC（916 KB）