用于腐蚀可靠机制推理的生成式人工智能

arXiv cs.LG 论文
generative-ai corrosion-science retrieval-augmented-generation language-models trustworthy-ai materials-engineering

摘要

本文介绍了一种领域自适应的检索增强生成框架，用于腐蚀科学中可靠的机制推理，通过微调的语言模型提高预测和可解释性，并在镁合金数据上进行了验证。

arXiv:2609.00099v1 公告类型：新 摘要：腐蚀约占全球GDP的4%，可靠的预测对于及时缓解至关重要。机器学习能有效从成分、微观结构和环境变量预测腐蚀速率，但无法解释其底层机制。在安全关键材料工程中，可靠的方法不仅需要准确的检索，还需要机制上可辩护的推理，这是现有事实性指标无法评估的能力。本研究提出了一种领域自适应的检索增强生成框架，用于腐蚀知识综合，并在镁合金腐蚀上进行了演示。三个开源语言模型（Llama-3.1-8B、Qwen-2.5-7B、Mistral-7B）在840篇同行评审论文中的3,309个专家验证问答对上进行了微调，并与混合密集-词汇检索管道集成。检索增强带来了143-194%的Token F1提升，系统忠实度为0.964，上下文召回率为0.988。在新发表文献和内部电化学数据上的盲外部验证确认了趋势级别的泛化能力。进一步介绍了Reason Map，一个命题图框架；它独立地从生成的答案和检索的文献构建有向证据图，从而能够系统地检测因果方向反转和不支持的推理跳跃，而这些是扁平事实性指标无法揭示的。这种模块化架构可应用于多个领域，为可信赖的AI辅助知识综合提供了一个可泛化的蓝图，以规避腐蚀，也可应用于其他工程领域。
查看原文
查看缓存全文

缓存时间: 2026/09/02 06:10 

# 用于腐蚀可靠机理推理的生成式人工智能
来源：https://arxiv.org/abs/2609.00099
查看PDF (https://arxiv.org/pdf/2609.00099)

> **摘要**：腐蚀约占全球GDP的4%，及时可靠的预测对于采取缓解措施至关重要。机器学习能有效预测基于成分、微观结构和环境变量的腐蚀速率，但无法解释其底层机制。在安全关键型材料工程中，可靠的方法不仅需要精确检索，还需具备机理上可辩护的推理能力，而现有的真实性指标尚无法评估这种能力。本研究提出一种面向腐蚀知识综合的领域自适应检索增强生成框架，并以镁合金腐蚀为例进行验证。通过对来自840篇经同行评审论文、经专家验证的3,309个问答对进行微调，集成了三个开源语言模型（Llama-3.1-8B、Qwen-2.5-7B、Mistral-7B）与混合稠密-词汇检索管道。检索增强使Token F1值提升了143-194%，系统忠实度达到0.964，上下文召回率为0.988。通过新近发表的文献和内部电化学数据进行盲测外部验证，证实了该方法在趋势层面的泛化能力。进一步引入“推理图”命题图框架：该框架能独立构建从生成答案与检索文献到有向证据图的映射，系统性地检测传统真实性指标无法揭示的因果方向逆转及无依据推理跳跃。该模块化架构可跨领域应用，为规避腐蚀的可信人工智能辅助知识综合提供了可推广的蓝图，亦可拓展至其他工程领域。

## 提交历史

来自：Alankar Alankar [查看邮件 (https://arxiv.org/show-email/5dc2096c/2609.00099)] **[版本1]** 2026年8月31日 星期一 15:15:17 UTC (8,427 KB)

相似文章

迈向虚拟细胞中的自主机制推理

Hugging Face Daily Papers

本文介绍了VCR-Agent，一个多智能体框架，通过结构化形式化和VC-TRACES数据集生成并验证机制性解释，从而增强大型语言模型在生物学研究中的应用。该方法通过虚拟细胞中的验证性机制推理，提高了基因表达预测的事实准确性。