用于自动化混凝土护栏设计的轻量级多智能体框架

arXiv cs.AI 论文
structural-engineering multi-agent-systems large-language-models concrete-barrier-design design-automation autogen lightweight-model

摘要

本文提出了一种基于AutoGen的轻量级多智能体框架，用于自动化混凝土护栏设计，实现了超过98%的准确率，并表明在该领域中小型模型可以超越大型模型。

arXiv:2606.12040v1 公告类型：新 \n 摘要：钢筋混凝土公路护栏的设计是一个安全关键的过程，需要严格遵守如AASHTO-LRFD桥梁设计指南等监管规定。当前的工程实践严重依赖手动、迭代和启发式计算来满足复杂的非线性材料和力学约束。尽管大型语言模型（LLMs）展现出强大的生成能力，但它们直接应用于结构工程仍受限于幻觉风险和物理基础不足。为了解决这些挑战，本研究利用AutoGen的多智能体编排能力，提出了一种新颖的“生成-评估-优化”闭环框架，用于自动化混凝土护栏设计。实验结果表明，所提出的智能体框架实现了超过98%的设计准确率，显著优于独立运行的通用LLMs。更重要的是，该研究揭示了设计性能并不一定与模型规模相关，一个8B参数的轻量级模型可以超越不受限制的631B参数的旗舰模型。这一发现突显了大幅降低计算成本的同时提高AI辅助工程工具在行业应用中的可及性的潜力。所提出的多智能体设计框架的源代码可在项目GitHub仓库获取：https://github.com/MXY820/barrier-design。关键词：结构工程；多智能体系统；大型语言模型；混凝土护栏设计；AutoGen；设计自动化。
查看原文
查看缓存全文

缓存时间: 2026/06/11 13:50 

# 一种用于自动混凝土护栏设计的轻量级多智能体框架
来源：https://arxiv.org/abs/2606.12040
查看 PDF (https://arxiv.org/pdf/2606.12040)

> 摘要：钢筋混凝土公路护栏的设计是一项安全关键流程，需严格遵守 AASHTO-LRFD 桥梁设计指南等规范条款。当前工程实践高度依赖人工、迭代和启发式计算，以满足复杂的非线性材料与力学约束。尽管大语言模型（LLMs）展现出强大的生成能力，但其在结构工程中的直接应用受限于幻觉风险和物理基础不足。为解决这些挑战，本研究提出了一种新颖的“生成-评估-优化”闭环框架，利用 AutoGen 的多智能体编排能力实现混凝土护栏的自动设计。实验结果表明，所提出的智能体框架实现了超过 98% 的设计准确率，显著优于独立的通用大语言模型。更重要的是，研究发现设计性能不一定与模型规模相关：一个 8B 参数的轻量级模型可超越未受约束的 631B 参数旗舰模型。这一发现凸显了在降低计算成本的同时，提升 AI 辅助工程工具在行业应用中可及性的潜力。所提出的多智能体设计框架的源代码已发布在项目的 GitHub 仓库：this https URL (https://github.com/MXY820/barrier-design)。  
关键词：结构工程；多智能体系统；大语言模型；混凝土护栏设计；AutoGen；设计自动化。

## 提交历史

来自：马希烨 \[查看邮件 (https://arxiv.org/show-email/93c0228f/2606.12040)\]  
**\[v1\]** 2026年6月10日星期三 13:06:11 UTC（1,995 KB）

相似文章