خرید و دانلود ترجمه فارسی مقاله تنظیم دستورالعمل تقویت‌شده بازیابی برای محاسبات مهندسی فرآیند خودکار: چارچوب حل مسئله زنجیره‌ای ابزار با بازتاب قابل انتساب

چکیده

The current technology landscape lacks a foundational AI model for solving process engineering calculations. In this work, we introduce a novel autonomous agent framework leveraging Retrieval-Augmented Instruction-Tuning (RAIT) to enhance open, customizable small code language models (SLMs) for these calculations. By combining instruction tuned code SLMs with Retrieval-Augmented Code Generation (RACG) using external tools, the agent generates, debugs, and optimizes code from natural language specifications. Our approach addresses the limitations of the current lack of a foundational AI model for specialized process engineering tasks and offers benefits of explainability, knowledge editing, and cost-effectiveness. Additionally, we curate custom datasets of chemical and process engineering problems and solutions to overcome data scarcity. Experimental results show that our framework matches the performance of large-scale proprietary models on benchmark datasets, proving its effectiveness and usability.

چکیده به فارسی (ترجمه ماشینی)

چشم انداز فناوری فعلی فاقد یک مدل اساسی هوش مصنوعی برای حل محاسبات مهندسی فرآیند است.در این کار ، ما یک چارچوب عامل خودمختار جدید را با استفاده از تنظیم دستورالعمل بازیابی و تنظیم شده (RAIT) معرفی می کنیم تا مدلهای زبان کوچک کد کوچک باز و قابل تنظیم (SLM) را برای این محاسبات تقویت کنیم.با ترکیب کد تنظیم شده کد SLM با تولید کد بازیابی-اوج (RACG) با استفاده از ابزارهای خارجی ، عامل تولید ، اشکال زدایی و بهینه سازی کد را از مشخصات زبان طبیعی تولید می کند.رویکرد ما به محدودیت های فقدان فعلی یک مدل بنیادی هوش مصنوعی برای کارهای تخصصی مهندسی فرآیند پرداخته و مزایای توضیح ، ویرایش دانش و مقرون به صرفه بودن را ارائه می دهد.علاوه بر این ، ما مجموعه داده های سفارشی مشکلات و راه حل های مهندسی شیمیایی و فرآیند را برای غلبه بر کمبود داده ها ارائه می دهیم.نتایج تجربی نشان می دهد که چارچوب ما با عملکرد مدل های اختصاصی در مقیاس بزرگ در مجموعه داده های معیار مطابقت دارد و اثربخشی و قابلیت استفاده آن را اثبات می کند.