对工业4.0的联合大型语言模型的审查
Feng Jing1, Yujing Zhang1, Mei Gao1
1Test Center, National University of Defense Technology, Xi'an 710106, China.
Sensors (Basel, Switzerland)
|February 27, 2026
概括
联合学习使工业4.0的大型语言模型 (LLM) 能够通过在分散的数据上优化它们,增强制造智能,同时保持隐私. 本综述探讨了工业LLM采用的技术,挑战和未来方向.
科学领域:
- 制造业 制造技术 制造技术
- 人工智能的人工智能
- 数据科学数据科学数据科学
背景情况:
- 工业4.0依赖于相互连接的系统,如工业物联网 (IIoT) 和网络物理系统 (CPS).
- 大型语言模型 (LLM) 为制造业的决策和自动化提供了先进的功能.
- 工业数据隐私,安全和法规阻碍了LLM的可扩展性.
研究的目的:
- 审查用于工业应用的联合大型语言模型研究.
- 为了比较制造业中联合LLM的技术,系统设计和部署策略.
- 确定挑战和未来的研究方向,以便在实践中采用.
主要方法:
- 关于联合大型语言模型研究的综合文献综述.
- 启用技术,系统架构和部署策略的分析.
- 对实际采用挑战和权衡的前性分析.
主要成果:
- 联合学习允许在不共享原始数据的情况下进行分散的LLM优化.
- 确定的主要挑战包括计算/通信开销和大规模系统中的同步.
- 对比了各种工业可行性的方法.
结论:
- 联合的LLM对工业4.0具有重大潜力,但面临着实际部署的挑战.
- 在复杂的工业环境中,解决开销,同步和稳健性至关重要.
- 需要进一步的研究,以将基础方法与工业场景相结合.

