摘要
大型语言模型智能体在自动化数据分析工作流中展现出潜力，但在高风险工业场景中的可靠部署仍具挑战。针对现有工业异常检测（IAD）智能体重执行轻策略、难以统一高效处理多模态数据的问题，本文受 DMAIC 质量管理框架启发，提出了 DMAIC-IAD 系统。该系统采用“先规划后判断”范式，在策略生成前将异构参考蒸馏为标准操作程序，并引入预训练的无执行评判模型对候选策略进行排序，避免了昂贵的运行时试错。实验表明，该方法在四种模态下显著提升了检测性能。
AI 推荐理由
论文提出“先规划后判断”架构，核心在于基于 DMAIC 框架的策略生成与任务规划。
研究机构
1The Hong Kong University of Science and Technology (Guangzhou)
2The Hong Kong University of Science and Technology
3Shanghai University of Finance and Economics
4Technische Universität München
5Southwestern University of Finance and Economics
论文信息