摘要
工业维护环境日益依赖 AI 辅助操作员理解资产行为及诊断故障。尽管大语言模型（LLM）支持流畅交互，但其生成的解释往往缺乏遥测数据支撑，无法提供可验证的来源或支持反事实与行动导向推理，从而削弱了安全关键场景下的信任度。本文提出 IndustryAssetEQA，这是一种神经符号操作智能系统，结合事件遥测表示与故障模式影响分析知识图谱（FMEA-KG），实现针对工业资产的具身问答（EQA）。在四种工业资产数据集上的评估显示，该系统显著提升了结构有效性、反事实准确率及解释蕴含力，并将严重过度声明减少了约 93%。
AI 推荐理由
论文核心解决 LLM 在反事实和动作导向推理中的缺陷，通过神经符号系统提升推理准确性。
研究机构
Artificial Intelligence Institute, University of South Carolina, USA
Software Innovation Lab, IBM Yorktown, USA
Indian AI Research Organization
论文信息