摘要
针对工业异常根因诊断中人工假设形成与证据收集的瓶颈,本文提出 AgentRCA,一种零样本智能体框架。该方法结合数据驱动数字孪生与工具增强大语言模型,在推理时进行基于证据的推理。智能体迭代收集统计证据、评估竞争假设并识别物理故障。实验表明,无需故障特定训练,其性能媲美全监督基线,且能生成透明的推理轨迹,明确链接症状与物理成因,为可扩展的工业根因分析奠定基础。
AI 推荐理由
论文核心提出基于证据的推理框架,通过迭代假设评估进行根因分析,属推理机制研究。
研究机构
EPFL - IMOS Laboratory, CH-1015 Lausanne, Switzerland
论文信息