LLM-ADAM：積層造形におけるプレプリント異常検知のための汎用的なLLMエージェントフレームワーク

arXiv cs.LG / 2026/5/6

📰 ニュースDeveloper Stack & InfrastructureIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、積層造形（特にFFF）において印刷前にGコードをスクリーニングし、有害または疑わしい設定を検知するためのLLMベースのフレームワーク「LLM-ADAM」を提案しています。
LLM-ADAMは、Gコードを構造化されたパラメータ・スキーマに対応づけるExtractor-LLM、プリンタ／材料のドキュメントを有効な運転範囲へ整合させるReference-LLM、偏差テーブルとGコード証拠に基づいて欠陥を分類するJudge-LLMという3つの要素に役割を分解します。
このフレームワークは汎用性を重視しており、プリンタ機種や材料、さらにはLLMバックボーンも固定前提ではなく置き換え可能なものとして扱われます。
実験では、2つのデスクトッププリンタ系統、2つの材料、非欠陥に加え5つの欠陥カテゴリを含む計200件のFFF Gコードを評価し、最良構成で87.5%の精度を達成したのに対し、最強の単一LLM基準（59.5%）を上回りました。
著者らは、バックボーンの強さよりも構造化されたタスク分解が性能向上の主因であり、主要構成では欠陥クラスの特定がほぼ上限レベルに達する一方、残る誤りは非欠陥サンプルに対する保守的な誤警報に偏ると結論づけています。