К содержанию
hegai.media
Новости

Исследователи описали retrieval-систему для доступа к данным в устаревших EAM-платформах энергетики

Исследователи описали retrieval-систему для доступа к данным в устаревших EAM-платформах энергетики

Энергетические компании по-прежнему используют долгоживущие платформы управления активами для инженерных работ, закупок и складских процессов. Полная замена таких систем часто оказывается слишком дорогой и рискованной для операционной деятельности, поэтому авторы новой работы предложили retrieval-ассистента, который упрощает доступ к знаниям поверх уже существующей инфраструктуры.

Как сообщает arXiv cs.AI (Artificial Intelligence), система поддерживает три сценария: ответы на вопросы по документации поставщиков, работу с вопросами по схемам ODS и инструкции по использованию интерфейсов. В процессе используются распознавание намерений, переписывание запросов, гибридный семантический и векторный поиск, подготовка контекста с учетом лимитов токенов, grounded-генерация ответов, а также детерминированное преобразование ссылок для идентификаторов панелей и цитируемой документации.

В статье отдельно описан конвейер подготовки данных с акцентом на семантическое обогащение. Речь идет о добавлении описаний таблиц и полей, нормализации акронимов между источниками и индексировании контекста на уровне строк там, где это дает пользу. По данным авторов, пилотное внедрение показало стабильное улучшение качества retrieval и пользовательских результатов.

Ключевые факты

  • Система рассчитана на работу с инженерными процессами, закупками и управлением запасами в энергетике

  • Retrieval-ассистент поддерживает вопросы по документации поставщиков, схемам ODS и использованию пользовательского интерфейса

  • Runtime-метод сочетает распознавание намерений, переписывание запросов, гибридный семантический и векторный поиск и grounded-генерацию ответов

  • Авторы выделили семантическое обогащение данных как основной фактор качества retrieval

Вопросы и ответы

Что именно можно закрыть без замены старой EAM-системы?

Retrieval-ассистент рассчитан на три прикладных сценария: вопросы по документации поставщиков, работу со схемами ODS и инструкции по использованию интерфейсов. Решение ориентировано на инженерные процессы, закупки и управление запасами в энергетике.

За счет чего система повышает качество ответов поверх разрозненных данных?

Runtime-конвейер сочетает распознавание намерений, переписывание запросов, гибридный семантический и векторный поиск, подготовку контекста с учетом лимитов токенов и grounded-генерацию ответов. Для ссылок на панели и документацию используется детерминированное преобразование идентификаторов.

Что авторы считают главным фактором качества retrieval в таких системах?

Основной акцент сделан на семантическом обогащении данных: добавлении описаний таблиц и полей, нормализации акронимов между источниками и индексировании контекста на уровне строк. По данным пилотного внедрения, это дало стабильное улучшение качества retrieval и пользовательских результатов.

Контекст по теме