LLM整合文本过滤提升虚拟流量计精度

发生了什么

据arXiv论文，研究提出利用大语言模型（LLM）整合非结构化操作数据与表格传感器数据，以过滤训练数据中的异常。该方法通过上下文异常检测和生成二进制掩码，应用于合成油气数据集的虚拟流量计预测。消融研究表明，结合文本操作员评论的多模态方法将下游平均绝对百分比误差（MAPE）从7.1%降低至5.4%，优于仅基于传感器的传统规则过滤，展示了LLM在工业机器学习数据清洗中的应用潜力。