BriefGPT - AI 论文速递
·
CPS-LLM：基于大型语言模型的人 - 机 - 工网络中安全使用计划生成器
💡
原文中文，约600字，阅读约需2分钟。
📝
内容提要
使用大型语言模型（LLM）和人在环循环人在植物物理系统（CPS）中探索将高水平提示转化为个性化行动计划，并随后将该计划转化为由实际物理系统控制器自动执行的推理序列决策，以达到控制目标。CPS-LLM 由两个创新组成部分组成：a）一种基于液态时常的神经网络物理动力学系数估计器，可以推导出带有一些未测量状态变量的动力学模型的系数；b）然后使用模型系数对使用动力学系统和相应模型系数体现的提示进行 LLM 训练。
🎯
关键要点
- 使用大型语言模型（LLM）和人在环循环人在植物物理系统（CPS）中探索将高水平提示转化为个性化行动计划。
- 计划转化为由实际物理系统控制器自动执行的推理序列决策，以达到控制目标。
- CPS-LLM 是一个使用指令调整框架进行重新训练的 LLM，确保生成的计划与 CPS 的物理系统动力学一致且对人类使用者安全。
- CPS-LLM 包含两个创新组成部分：基于液态时常的神经网络物理动力学系数估计器和使用模型系数进行 LLM 训练。
- CPS-LLM 与上下文化聊天机器人集成时，可以生成可行且安全的计划，管理 1 型糖尿病患者使用的自动胰岛素输送系统的外部事件。
➡️
