LLM-Experimente mit Simulation: Großes Sprachmodell Multi-Agenten-System zur Parametrisierung von Prozesssimulationen in digitalen Zwillingen

Dieses Papier präsentiert ein neuartiges Design eines Multi-Agenten-Systemrahmens, der ein großes Sprachmodell (LLM) anwendet, um die Parametrisierung von Prozesssimulationen in digitalen Zwillingen zu automatisieren. Wir schlagen einen Multi-Agenten-Rahmen vor, der vier Arten von Agenten umfasst: Beobachtung, Überlegung, Entscheidung und Zusammenfassung. Durch die Ermöglichung einer dynamischen Interaktion zwischen LLM-Agenten und dem Simulationsmodell kann das entwickelte System die Parametrisierung der Simulation automatisch erkunden und heuristische Überlegungen anstellen, um eine Menge von Parametern zu bestimmen, die die Simulation steuern, um ein Ziel zu erreichen. Der vorgeschlagene Ansatz verbessert das Simulationsmodell, indem es mit Heuristiken aus dem LLM angereichert wird, und ermöglicht eine autonome Suche nach umsetzbaren Parametrisierungen zur Lösung einer Benutzeraufgabe. Darüber hinaus hat das System das Potenzial, die Benutzerfreundlichkeit zu erhöhen und die kognitive Last auf menschliche Benutzer zu reduzieren, indem es bei komplexen Entscheidungsprozessen unterstützt. Die Effektivität und Funktionalität des Systems werden anhand einer Fallstudie demonstriert, und die visualisierten Demos sind in einem GitHub-Repository verfügbar: https://github.com/YuchenXia/LLMDrivenSimulation