LLM come Controllori Interpretabili per Sistemi Dinamici

Una recente indagine pubblicata su arXiv esamina il potenziale dei Large Language Models (LLM) come controllori interpretabili per la gestione di ambienti termici dinamici. Lo studio valuta cinque LLM di diverse dimensioni in termini di capacità di rispettare i setpoint, comprendere istruzioni in linguaggio naturale, ragionare sugli effetti degli attuatori e utilizzare conoscenze basate su modelli esistenti. Gli scenari testati includono restrizioni sul funzionamento di riscaldatori o ventilatori e l'uso di uno strumento di previsione basato sulla fisica. I risultati indicano che l'efficacia del controllo è influenzata dalla complessità del modello: i modelli di scala bassa e media spesso interpretano erroneamente la dinamica degli attuatori o producono ragionamenti incoerenti, mentre modelli più avanzati come Qwen-3~14B e GPT-4o dimostrano una regolazione precisa della temperatura e prestazioni affidabili degli attuatori.