一、文章主要内容本文是一项关于利用大型语言模型（LLMs）自动解释无损检测（NDE） contour图以评估桥梁状况的试点研究。研究旨在解决NDE数据解读耗时且依赖专业知识的问题，探索LLMs在该领域的应用潜力。研究流程分为三个阶段：数据输入与准备：使用5种不同NDE技术（如探地雷达GPR、电阻率ER、冲击回波IE、超声表面波USW）获取的桥梁contour图作为输入，并设计标准化提示词指导LLMs解读。多模型图像描述：采用多种LLM对NDE contour图进行并行图像描述，通过优化提示词提升解读质量，重点关注技术特征提取和缺陷识别。总结分析：使用5种LLM对表现优异的4种模型（ChatGPT-4、Claude 3.5 Sonnet、CogVLM2、ShareGPT4V）的输出进行总结，生成综合的桥梁状况评估、缺陷分类及维护建议。研究结果显示，ChatGPT-4、Claude 3.5 Sonnet、CogVLM2、ShareGPT4V在图像描述中表现突出（整体评分4分及以上），其中ChatGPT-4和Claude 3.5 Sonnet在总结中更优（综合评分分别为5和4.67）。研究证实LLMs可提升基础设施评估的效率和准确性，为桥梁维护决策提供支持。二、文章创新点全面评估LLM能力：首次对多种LLM（包括开源和专有模型）在解读NDE contour图方面的能力进行了全方位评 Automated Interpretation of Non-Destructive Evaluation Contour Maps Using Large Language Models f...
一、文章主要内容本文是一项关于利用大型语言模型（LLMs）自动解释无损检测（NDE） contour图以评估桥梁状况的试点研究。研究旨在解决NDE数据解读耗时且依赖专业知识的问题，探索LLMs在该领域的应用潜力。研究流程分为三个阶段：数据输入与准备：使用5种不同NDE技术（如探地雷达GPR、电阻率ER、冲击回波IE、超声表面波USW）获取的桥梁contour图作为输入，并设计标准化提示词指导LLMs解读。多模型图像描述：采用多种LLM对NDE contour图进行并行图像描述，通过优化提示词提升解读质量，重点关注技术特征提取和缺陷识别。总结分析：使用5种LLM对表现优异的4种模型（ChatGPT-4、Claude 3.5 Sonnet、CogVLM2、ShareGPT4V）的输出进行总结，生成综合的桥梁状况评估、缺陷分类及维护建议。研究结果显示，ChatGPT-4、Claude 3.5 Sonnet、CogVLM2、ShareGPT4V在图像描述中表现突出（整体评分4分及以上），其中ChatGPT-4和Claude 3.5 Sonnet在总结中更优（综合评分分别为5和4.67）。研究证实LLMs可提升基础设施评估的效率和准确性，为桥梁维护决策提供支持。二、文章创新点全面评估LLM能力：首次对多种LLM（包括开源和专有模型）在解读NDE contour图方面的能力进行了全方位评