利用大型语言模型实现化学流程图的自动纠错
原文中文，约300字，阅读约需1分钟。发表于：。提出了一种新颖的生成式人工智能方法来自动识别流程图中的错误并向用户提出更正建议，即自动更正流程图。通过在合成数据集上进行监督训练，模型在一个独立的合成流程图测试数据集上达到了 80% 的 top-1 准确率和 84% 的 top-5 准确率。研究结果表明该模型能够学习自动更正合成流程图，将为化学工程师提供一个有用的工具。
通过直接拟合植物传感器数据，将化工厂的每个单元表示为机器学习模型，并将其连接成流程图。对于较小的工厂，效果良好，但对于较大的工厂，复杂动力学导致循环求解器不稳定。提出了微调机器学习模型的方法，使循环求解稳定。
