DeepSolution: Potenziamento della Progettazione di Soluzioni Ingegneristiche Complesse attraverso Esplorazione ad Albero e Pensiero Bi-punto

DeepSolution: Boosting Complex Engineering Solution Design via Tree-based Exploration and Bi-point Thinking

February 28, 2025

Autori: Zhuoqun Li, Haiyang Yu, Xuanang Chen, Hongyu Lin, Yaojie Lu, Fei Huang, Xianpei Han, Yongbin Li, Le Sun

cs.AI

Abstract

La progettazione di soluzioni per sfide ingegneristiche complesse è fondamentale nelle attività produttive umane. Tuttavia, le ricerche precedenti nel campo della generazione aumentata da recupero (RAG) non hanno affrontato adeguatamente i compiti legati alla progettazione di soluzioni ingegneristiche complesse. Per colmare questa lacuna, introduciamo un nuovo benchmark, SolutionBench, per valutare la capacità di un sistema di generare soluzioni complete e fattibili per problemi ingegneristici con vincoli multipli e complessi. Per progredire ulteriormente nella progettazione di soluzioni ingegneristiche complesse, proponiamo un sistema innovativo, SolutionRAG, che sfrutta l'esplorazione basata su alberi e il meccanismo di pensiero bi-punto per generare soluzioni affidabili. I risultati sperimentali estesi dimostrano che SolutionRAG raggiunge prestazioni all'avanguardia (SOTA) su SolutionBench, evidenziando il suo potenziale nel migliorare l'automazione e l'affidabilità della progettazione di soluzioni ingegneristiche complesse in applicazioni reali.

English

Designing solutions for complex engineering challenges is crucial in human production activities. However, previous research in the retrieval-augmented generation (RAG) field has not sufficiently addressed tasks related to the design of complex engineering solutions. To fill this gap, we introduce a new benchmark, SolutionBench, to evaluate a system's ability to generate complete and feasible solutions for engineering problems with multiple complex constraints. To further advance the design of complex engineering solutions, we propose a novel system, SolutionRAG, that leverages the tree-based exploration and bi-point thinking mechanism to generate reliable solutions. Extensive experimental results demonstrate that SolutionRAG achieves state-of-the-art (SOTA) performance on the SolutionBench, highlighting its potential to enhance the automation and reliability of complex engineering solution design in real-world applications.