BriefGPT - AI 论文速递 · 2024-12-19T00:00:00Z FaultExplainer: Achieving Interpretable Fault Detection and Diagnosis Using Large Language Models 💡 原文英文，约100词，阅读约需1分钟。 📝 内容提要 本研究开发了交互式工具FaultExplainer，旨在解决化工过程故障检测的可解释性问题。该工具结合实时数据可视化和主成分分析，利用大型语言模型提升故障解释能力。实验结果表明，其在生成可行解释方面表现优异，但也存在一些局限性。 🏷️ 标签 FaultExplainer models 主成分分析 可解释性 故障检测 数据可视化 阅读原文 生成长图 分享链接 已复制链接
