ASPIRE：LLM智能体驱动的系统辨识框架
热点事件持续更新
ASPIRE：LLM智能体驱动的系统辨识框架
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Erik Derner、Jiří Kubalík 和 Robert Babuška 提出 ASPIRE，一个由大语言模型智能体选择并执行辨识方法的非线性系统辨识框架，可从测量数据构建闭式非线性静态或动态模型，支持自主或交互式运行。 在移动机器人、含干摩擦的旋转系统和实验室发酵罐三个实测系统上，每任务五次共 30 次运行全部产出有效模型，单次成本 0.96 至 3.38 美元。
AI 根据报道生成 · 53 分钟前更新
最新进展11月11日 13:00
ASPIRE：面向迭代推理与探索的智能体系统辨识平台报道时间线
沿着报道，了解事件的不同侧面。
11月11日
- arXiv cs.CLASPIRE：面向迭代推理与探索的智能体系统辨识平台
ASPIRE 是一个由大语言模型智能体选择并执行辨识方法的非线性系统辨识框架，可从测量数据构建闭式非线性静态或动态模型，并支持自主或交互式运行。在移动机器人、含干摩擦的旋转系统和实验室发酵罐三个实测系统上，每任务五次共 30 次运行全部产出有效模型，单次成本 0.96 至 3.38 美元。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。