論文の概要: DTScribe: Generating Models for Digital Twin Reporting using Local Large Language Models

• arxiv url: http://arxiv.org/abs/2610.18635v1
• Date: Tue, 13 Oct 2026 16:07:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.676937
• Title: DTScribe: Generating Models for Digital Twin Reporting using Local Large Language Models
• Title（参考訳）: DTScribe:局所的大言語モデルを用いたデジタル双対レポート生成モデル
• Abstract要約: 本稿では,デジタルツインレポートに必要なモデルを対象として,大規模言語モデルを用いたモデル生成の自動化について検討する。 我々の手法は,デジタルツイン文書を取り込み,概念的アーキテクチャの可視化と,そのディジタルツインのレポートページの両方を出力するように設計されている。 我々は、審査員や存在論的推論として機能する大きな言語モデルによる洗練ループを利用して、測定値によって測定されたアーティファクトの品質を向上させる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The development of a digital twin brings together many stakeholders and technical components. We have previously investigated the reporting of the conceptual architecture for these digital twins as an artifact for discussion. However, we find that the activity of modeling the digital twin for visualization and consensus-building can be quite tedious and time-consuming. In this article, we explore the automation of model generation using large language models, targeting the model required for digital twin reporting. Our approach is designed to ingest digital twin documents and output both the conceptual architecture visualization and a reporting page for that digital twin. We first extract from the input the key details aligning with our twenty-one-characteristic Digital Twin Description Framework described in previous work. Then, we generate a description model in the Ontological Modeling Language, representing the digital twin as a constellation of models, data, enablers, and services. We utilize refinement loops with large language models acting as judges and ontological reasoning to increase artifact quality as measured by our metrics. We investigate how architectural and parameter choices affect artifact quality, such as how refinement loops enable local large language models to produce sufficiently high-quality results comparable to larger models. We also detail insights and lessons learned useful for practitioners, such that they can integrate our techniques to accelerate their digital twin reporting or for other model generation tasks. These insights include the use of medium-sized local models (around 20 billion parameters), the avoidance of large language models as judges and clustering for characteristic extraction, and the recommendation of at least two reasoner loops for Ontological Modeling Language refinement.
• Abstract（参考訳）: デジタルツインの開発は、多くの利害関係者と技術コンポーネントを集結させる。 我々は以前,これらのデジタル双生児の概念的アーキテクチャの報告を議論の成果として検討してきた。 しかし、可視化とコンセンサス構築のためにデジタルツインをモデル化する活動は、非常に退屈で時間を要する可能性がある。 本稿では,デジタルツインレポートに必要なモデルを対象として,大規模言語モデルを用いたモデル生成の自動化について検討する。 我々の手法は,デジタルツイン文書を取り込み,概念的アーキテクチャの可視化と,そのディジタルツインのレポートページの両方を出力するように設計されている。 先述の21文字のDigital Twin Description Frameworkと整合したキーの詳細を入力から抽出する。 次に、オントロジーモデリング言語で記述モデルを生成し、デジタルツインをモデル、データ、イネーラ、サービスの集合として表現する。 我々は、審査員や存在論的推論として機能する大きな言語モデルによる洗練ループを利用して、測定値によって測定されたアーティファクトの品質を向上させる。 アーキテクチャとパラメータの選択がアーティファクトの品質にどのように影響するかを検討する。例えば、リファインメントループによって局所的な大規模言語モデルが、より大きなモデルに匹敵する十分な高品質な結果を得ることができるかなどである。 また、デジタルツインレポートや、他のモデル生成タスクを加速するために、我々の技術を統合することができるように、実践者にとって有用な洞察と教訓を詳述する。 これらの洞察には、中規模の局所モデル(約200億のパラメータ)の使用、裁判官としての大規模言語モデルの回避、特徴抽出のためのクラスタリング、オントロジーモデリング言語の改良のための少なくとも2つの推論ループの推奨などが含まれる。

関連論文リスト

• M*: A Modular, Extensible, Serving System for Multimodal Models [62.77975969000349]
  本稿では,複合AIモデルの効率的な提供を目的とした汎用サービスシステムであるM*を提案する。 広範囲の家族から合成モデルを簡潔にキャプチャする方法を示す。 M*はまた、ロボット計画のためのV-JEPA 2-ACロールアウトベースラインを最大12.5倍上回っている。
  論文  参考訳（メタデータ） (2026-06-10T21:22:22Z)
• Faithful, Enriched, and Precise: Benchmarking Natural-Science Illustration Generation by T2I models [49.93401412148884]
  FEPBenchは、慎重に選択された高品質な科学イラストから構築されたベンチマークである。 我々は,T2Iモデルについて,命令忠実度,推論エンリッチメント,意味的精度の3つの次元に沿って評価する。 その結果、GPT Image 2やNano Banana Proのような最先端のクローズドソースモデルでさえ、テキストレンダリングのボトルネック、推論のリッチ化の制限、生成のリッチネスと精度のバランスの難しさに悩まされていることがわかった。
  論文  参考訳（メタデータ） (2026-06-04T09:49:02Z)
• ESsEN: Training Compact Discriminative Vision-Language Transformers in a Low-Resource Setting [0.8307668828380427]
  本稿では,2-towerエンコーダモデルが低リソース環境下での1-towerエンコーダよりも優れていることを示す。 また、比較的少ないリソースでエンドツーエンドにトレーニング可能な、コンパクトな視覚言語モデルであるESsENを提示する。
  論文  参考訳（メタデータ） (2026-04-20T16:10:28Z)
• A Generalized Feature Model for Digital Twins [2.8867863123621014]
  既存の文献の体系的マッピング研究に基づいて,デジタルモデル,シャドウ,ツインの汎用特徴モデルを開発した。 提案する汎用機能モデルは,設計時の情報意思決定を促進することにより,ディジタルツインのモデル駆動開発の改善を実現し,最終的には,テストケース推論のためのモデルベース基盤を提供することで,ディジタルツインの検証・検証を促進することによって,デジタルツインの領域を前進させるものと推測する。
  論文  参考訳（メタデータ） (2026-03-06T14:12:32Z)
• Foundation Models for the Digital Twin Creation of Cyber-Physical Systems [8.796452013751086]
  サイバー物理システムにおけるデジタル双生児の文脈における基礎モデルの活用について検討する。 我々は、CPSのためのデジタルツインを開発する文脈における様々な側面の視点を提供する。 より一般的な文脈で基礎モデルを使用する際の課題について論じる。
  論文  参考訳（メタデータ） (2024-07-26T14:40:32Z)
• Generation of Asset Administration Shell with Large Language Model Agents: Toward Semantic Interoperability in Digital Twins in the Context of Industry 4.0 [0.6749750044497732]
  本研究は,デジタル双生児におけるセマンティック・インターオペラビリティを実現するための新しいアプローチを提案する。 業界 4.0 におけるデジタル双対モデルとしてアセット管理シェル (AAS) の作成を支援する。
  論文  参考訳（メタデータ） (2024-03-25T21:37:30Z)
• StableLLaVA: Enhanced Visual Instruction Tuning with Synthesized Image-Dialogue Data [129.92449761766025]
  本稿では,視覚的インストラクションチューニングのための画像と対話を同期的に合成する新しいデータ収集手法を提案する。 このアプローチは生成モデルのパワーを活用し、ChatGPTとテキスト・ツー・イメージ生成モデルの能力とを結合する。 本研究は,各種データセットを対象とした総合的な実験を含む。
  論文  参考訳（メタデータ） (2023-08-20T12:43:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。