大型語言模型在工業暫存器表格分類與欄位對應的表現為何令人意外地差？

• 作者正在建構一個自動化管線，將 工業通訊手冊（如 ABB 與大金的 Modbus 暫存器圖）轉換為標準化的 MachineVariableCatalog。• 系統故意不允許 LLM 提取或發明暫存器數值，僅讓模型透過結構化 JSON Schema 限制來解析表格結構與進行欄位角色對應。• 實驗結果顯示，即使是像 Qwen 3.7 Plus 這樣的高階模型，在處理複雜的工業表格時仍會遺漏關鍵欄位、過度分類或產生邏輯不一致的結果。• > 作者指出：「模型輸出了結構上有效的結果，但卻明顯遺漏了六個相關欄位。」這凸顯出當前模型在處理特定領域結構化對應時的侷限性。• 小規模測試的初步數據顯示，本地 4B 模型與雲端大模型在極端精確的 欄位對應（Mapper F1） 上皆面臨挑戰，暴露出提示詞設計或架構上的盲點。• 針對改善方案，作者正考慮強制要求模型對每個輸入欄位皆給出對應角色（包含略過或未知）、結合確定性邏輯處理表頭別名，並引入 Few-shot 範例 與驗證機制。• 該探討特別適合從事 文件萃取、綱要對應（Schema Matching）、約束生成 與 工業通訊協定 開發的工程師參考與提供建議。