Навчання логічних правил за допомогою LLM: масштабування людського досвіду для виявлення аномалій часових рядів

Автори: Jianing Fang, Yuxuan Chen, Yanchao Tan, Guangtao Huang, Hongxing Li, Xiang Li, Fei Wang, Yiheng Fan, Ziyue Li, Kai Shu, Jun Wang, Zihui Xue, Jie Xu

Опубліковано: 2026-01-27

Переглянути на arXiv →
#cs.AI

Анотація

Цей фреймворк використовує великі мовні моделі (LLM) для кодування людського досвіду в інтерпретовані логічні правила для виявлення аномалій часових рядів у ланцюжках поставок. Він перевершує неконтрольовані методи за точністю та інтерпретованістю, а також пропонує послідовні, недорогі результати, придатні для розгортання у виробництві, долаючи розрив між автоматизацією та прийняттям експертних рішень.

Навчання логічних правил за допомогою LLM: масштабування людського досвіду для виявлення аномалій часових рядів

Автори: Jianing Fang, Yuxuan Chen, Yanchao Tan, Guangtao Huang, Hongxing Li, Xiang Li, Fei Wang, Yiheng Fan, Ziyue Li, Kai Shu, Jun Wang, Zihui Xue, Jie Xu

Опубліковано: 2026-01-27

Переглянути на arXiv →
#cs.AI

Анотація

Цей фреймворк використовує великі мовні моделі (LLM) для кодування людського досвіду в інтерпретовані логічні правила для виявлення аномалій часових рядів у ланцюжках поставок. Він перевершує неконтрольовані методи за точністю та інтерпретованістю, а також пропонує послідовні, недорогі результати, придатні для розгортання у виробництві, долаючи розрив між автоматизацією та прийняттям експертних рішень.

FEEDBACK

Проекти

Немає проектів