arXiv · cs.AI· Wooyoung Jung·· 20 天前AI 评分28
决策模型能诊断哪些 HVAC 故障？推理需求、物理表示与分布偏移下的鲁棒性
Where Can a Decision Model Diagnose HVAC Faults? Reasoning Demand, Physical Representation, and Robustness Under Shift
来源与原文
arXiv · cs.AI
作者：Wooyoung Jung
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.09937v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 arXiv 研究用四个公开真实设备数据集中的 128 个故障日，评估决策模型 Jev、开源语言模型与监督模型对 HVAC 故障的诊断能力，按诊断所需推理需求分级并给出原始数据、物理特征或 Brick 拓扑三类输入。结果显示，基于物理特征时 Jev 和更大的开源模型能诊断单一特征可判定的故障，在季节、控制配置或建筑变化下保持准确率与校准，而监督模型 macro-F1 下降 0.33 但在同建筑内领先或持平。模型概率仍需修正，故障检测较弱，研究支持由代码计算物理量、模型为运维人员排序候选故障的分工方式。
来源：arXiv · cs.AI · arxiv.org