小型语言模型也能闭环控制？多智能体自校正架构实现工业自主操作

工业自动化领域迎来新突破！最新研究探索如何利用小型语言模型实现可重构的闭环控制系统。传统基于大型云端模型的控制方案存在延迟高、计算资源需求大、数据敏感性等问题，难以在边缘设备部署。

该研究创新性地采用Qwen2.5-1.5B小型语言模型，通过组相对策略优化对齐训练，构建包含三个核心组件的控制框架：动作生成智能体、符号化/数字孪生验证层、以及重新提示智能体。当动作智能体生成候选控制指令时，验证层会检查其物理可行性，若不通过则由重新提示智能体引导修正，形成迭代优化循环。

在30组随机热控制仿真实验中（每组500步），该框架平均动作对齐准确率达到91.5%（范围86.3%-100%），平均推理延迟仅3.84秒。即使在符号重映射场景下，仍保持95%的动作在合理范围内，展现出稳健的物理调节能力。

这项成果表明，小型语言模型结合验证器引导的架构，为实现边缘设备可重构自主控制提供了实用路径，有望降低工业自动化部署门槛，推动AI在实时控制场景的落地应用。