闭环控制：基于规则对齐的小语言模型与多智能体自我修正
摘要： 实现自主工业运营的关键一步，在于能够根据自然语言需求规范创建并重新配置控制策略，且只需极少或无需手动重新设计。在此背景下，当与一个能够执行前验证生成候选动作的工厂感知验证器（例如数字孪生）配合使用时，由AI智能体生成策略可成为一条可信路径。然而，实际部署受限于推理延迟和计算开销：大型云端模型对于边缘闭环应用而言，往往速度过慢、不透明或对数据敏感。本研究探讨了是否可以对紧凑型小语言模型（SLM）进行重新训练以用于控制推理，并将其嵌入到验证器引导的修正循环中。我们使用了通过群体相对策略优化（GRPO）对齐的Qwen2.5-1.5B模型，并结合了（i）动作智能体、（ii）符号化/数字孪生风格的验证层，以及（iii）一个迭代地将输出引导至有效动作的重新提示智能体。在随机热控制模拟中（30次实验，每次500步），该框架实现了91.5%的平均动作对齐准确率（各案例区间为86.3%–100%），平均推理延迟为3.84秒。在符号重新映射下，它保持了95%的范围内比率，表明尽管词元级别的一致性有所降低，但仍能实现稳健的物理调节。这些结果支持将SLM+验证器架构作为实现边缘可重构自主控制的一条实用路径。