在智能家居中，通过检索增强方法生成改进的触发器-动作编程规则

《Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies》：Retrieval-augmented Generation of Enhanced Trigger-action Programming Rules in Smart Home

增强型触发-动作编程（TAP）规则生成存在复杂逻辑与上下文需求，HomeGenii通过检索增强生成（RAG）系统提升准确率至84%，采用聚类检索与压缩技术解决大语言模型原生应用局限，降低非专业用户使用门槛。

　　

摘要人工智能摘要

要查看此由人工智能生成的摘要，您必须具有高级访问权限。

了解更多登录

摘要

摘要

触发-动作编程（TAP）是一种流行的智能家居自动化范式，它允许用户以“如果触发条件，则执行相应动作”的形式创建规则。虽然大型语言模型（LLMs）为从自然语言生成TAP规则提供了有前景的方法，但它们的基本应用（例如仅依赖预训练的知识和简单的提示）在平台发展到支持增强型TAP规则时显得不足。增强型TAP规则包含了条件逻辑、计算和外部API调用的脚本。这些规则要求用户表达复杂的逻辑和环境背景，因此在没有扎实编程背景的情况下创建这样的规则非常困难。本文介绍了HomeGenii，这是一个基于检索增强（RAG）的系统，可以自动化生成增强型TAP规则。HomeGenii构建了一个简洁 yet 代表性的规则库，使用聚类-搜索方法检索语义上相关的规则，并应用压缩技术来减少标记开销。评估显示，HomeGenii将增强型TAP规则的生成准确率提高了84%，比没有RAG的系统高出70%。我们的工作展示了一条可行的途径，使非专家用户也能利用LLMs实现丰富和复杂的智能家居自动化。

人工智能摘要

人工智能生成的摘要（实验性）

此摘要是由自动化工具生成的，并非由文章作者编写或审核的。它旨在帮助读者发现相关信息、评估文章的重要性，并协助来自相关研究领域的读者理解本文的内容。它旨在补充作者提供的摘要，后者仍然是文章的官方总结。完整文章才是权威版本。点击此处了解更多。

点击此处对摘要的准确性、清晰度和实用性进行评论。您的反馈将有助于改进未来的版本。

要查看此由人工智能生成的简洁语言摘要，您必须具有高级访问权限。