DTScribe：本地大模型生成数字孪生报告模型

2026年10月15日，arXiv Artificial Intelligence 刊出 Kérian Fiter 等作者的论文，提出 DTScribe 方法，用大语言模型自动生成数字孪生报告所需的模型。据该报道，DTScribe 接收数字孪生文档作为输入，输出概念架构可视化与报告页面；其流程先按含 21 项特征的 Digital Twin Description Framework 提取关键信息，再生成 Ontological Modeling Language 描述模型，并通过大语言模型评审与本体推理的细化循环提升质量。报道称，作者给出的经验包括使用约 200 亿参数的中等规模本地模型、避免以大语言模型作为评审者、避免用聚类做特征提取，并建议对 Ontological Modeling Language 细化至少进行两轮推理器循环。上述条件与建议均针对该论文所述方法，报道未说明其是否适用于其他模型生成任务。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。