DeepSolution: Boosting Complex Engineering Solution Design via Tree-based Exploration and Bi-point Thinking
作者: Zhuoqun Li, Haiyang Yu, Xuanang Chen, Hongyu Lin, Yaojie Lu, Fei Huang, Xianpei Han, Yongbin Li, Le Sun
发布时间: 2025-03-03
来源: arxiv
研究方向: 复杂工程解决方案设计
主要内容
本文提出了一种名为 SolutionRAG 的新型系统，旨在通过树状探索和双点思考机制来生成可靠的复杂工程解决方案。该系统基于 SolutionBench 基准，该基准旨在评估系统生成符合复杂工程要求且具有多个约束条件的完整和可行解决方案的能力。
主要贡献
1. 构建了 SolutionBench 基准，用于评估系统在复杂工程解决方案设计方面的能力。
2. 提出了 SolutionRAG 系统，通过树状探索和双点思考来提升复杂工程解决方案设计的自动化和可靠性。
3. 进行了广泛实验，证明了 SolutionRAG 在 SolutionBench 上的性能优于现有方法。
研究方法
1. 树状探索：每个分支代表一个不同的改进方向，以找到最有效的改进过程。
2. 双点思考：在树生长过程中交替进行解决方案设计和审查，逐步提高生成的解决方案的可靠性。
3. 节点评估：根据节点分数进行剪枝，确保推理过程沿着最有希望的解决方案和最有帮助的审查评论进行。
4. 信息提取：使用 LLM 从工程报告中提取有用内容，包括需求、解决方案、分析知识、技术知识和解释。
实验结果
实验结果表明，LLM 单独依赖内部知识无法有效解决此类任务。现有的 RAG 方法也未能生成令人满意的解决方案。相比之下，SolutionRAG 证明了其作为更先进方法的潜力，在 SolutionBench 的所有八个领域中都实现了最先进的性能。
未来工作
未来的工作可以包括使用强化学习来训练 LLM，以开发更强大的复杂工程解决方案设计系统。此外，还可以进一步探索树结构的超参数，例如树的宽度和深度。