论文
一种减少大语言模型在多步结构建模中幻觉的新型多智能体架构
A Novel Multi-Agent Architecture to Reduce Hallucinations of Large Language Models in Multi-Step Structural Modeling
摘要
GPT、Gemini等大语言模型（LLM）在上下文理解与推理方面展现了卓越能力。LLM的强劲表现激发了日益增长的热情，即利用其自动化传统上依赖人类专业知识的任务。近来，LLM已被集成到智能体中，可操作结构分析软件（如OpenSees）来构建结构模型并执行分析。然而，由于长序列操作中频繁的幻觉与误差累积，现有LLM在处理多步结构建模方面能力有限。为此，本研究提出一种新型多智能体架构，使用OpenSeesPy自动化结构建模与分析。首先，问题分析与建模规划智能体从用户描述中提取关键参数并制定分步建模计划。随后节点与单元智能体并行工作以组装框架几何，再由荷载指派智能体接手。所得几何与荷载信息由代码转译智能体翻译为可执行的OpenSeesPy脚本。该架构在包含20个框架问题的基准上经十次重复试验评估，18个案例达到100%准确率，其余两个达到90%。该架构还显著提升了计算效率，并展现出向更大结构系统扩展的可扩展性。
