航空发动机用上大模型：解决复杂时序问题，性能超越ChatGPT-4o实现SOTA

本文介绍了上海交通大学航空航天学院李元祥教授团队等提出的ITFormer架构，该架构旨在解决航空发动机运维中的复杂时序数据分析问题。研究背景是现有方法难以满足工业场景中专家通过自然语言进行复杂交互和决策的需求。研究目的是通过ITFormer将时序数据与大语言模型高效融合，实现时序问答任务。结果显示，ITFormer在EngineMT-QA数据集上表现出优越性能，尤其在“因果分析”任务中准确率达0.83，展现了卓越的即插即用特性和跨域泛化能力。