この記事では、鉄道車両保守のために特化した大規模言語モデル（LLM）の開発に焦点を当てています。一般的なLLMを細かくチューニングし、最終的に鉄道車両の保守に関する情報抽出と知識ベースのQ&Aシステム専用のカスタマイズされたモデルを構築する過程について説明します。
具体的には、2017年から2023年までに集められたメンテナンスデータの精錬や拡張を行い、高品質なデータセットを作成することから始まります。次に、このデータセットを使って、さまざまな障害ラベルの分布を均一化するためのデータクラスタリングを実施し、さらに高い精度での情報抽出を可能にするために、LLMを細かくチューニングします。
本文では、ChatGLMとUIEという2種類のモデルを使用し、それぞれ知識ベースのQ&Aと情報抽出の能力を強化しています。これらのAI技術が、以前は人の手で行われていたデータの注釈付け作業を自動化するために活用されています。その結果、効率性と正確性を大幅に高めることができました。
さらに、異なるハイパーパラメータ設定のもとで、カスタマイズされたモデルのパフォーマンスを実験することで、適切な調整が行われ、最適なシステムを構築するための貴重な洞察が提供されています。鉄道車両保守のためのAI導入は、将来の交通安全に重要な影響を与える可能性があります。
出典 : LLM-based intelligent Q&A system for railway locomotive maintenance standardization – Scientific Reports https://www.nature.com/articles/s41598-025-96130-3
