Inilalarawan ng isang preprint ng University of Michigan ang paraan upang gawing mahahanap na knowledge graph ang mga hardware datasheet habang pinananatili ang link mula sa bawat nakuhang espesipikasyon pabalik sa pinagmulan nito. Sa 20 datasheet, iniulat ng mga may-akda na suportado ng mga binanggit na sipi ng sanggunian ang 98.8% ng mga property sa kanilang graph, kumpara sa 76.1% sa one-shot na paraan. Tungkol ang resultang ito sa kalidad ng extraction sa kanilang pagsusuri. Hindi nito ipinapakita na gagana sa isang kumpletong disenyo ang component na pinili mula sa alinmang graph.

Ang malaking pagbabago

  • Ano ang nagbago: Hinati ng mga mananaliksik ang pagproseso ng datasheet sa bounded extraction, paglalagay sa graph at paulit-ulit na paglilinis, sa halip na hilingin sa modelo na buuin ang buong graph sa iisang sagot.
  • Bakit mahalaga: Kailangan ng inhinyerong tumitingin sa constraint ng isang component ang halaga, mga kondisyon ng pagpapatakbo nito at paraan pabalik sa datasheet. Mas marami ang source-supported property na napanatili ng staged na paraan sa paghahambing na ito.
  • Ano ang susubaybayan: Mula sa 20 dokumento ang iniulat na mga score at inihambing ang mga ito sa iisang one-shot baseline. Hindi pa nagagawa ang independiyenteng pag-uulit at mga pagsubok sa totoong daloy ng pagpili o pag-verify ng component.

Iniuugnay ng pipeline ang bawat espesipikasyon sa pinagmulan nito

Nakakalat sa mga talata at talahanayan ang mga espesipikasyon sa datasheet. Maaaring nakadepende ang saklaw ng boltahe sa variant ng device o operating mode, kaya hindi kumpletong sagot sa tanong ng inhinyero ang isang numerong nakahiwalay. Una, kino-convert ng paraan ng mga may-akda ang PDF datasheet sa Markdown, pinananatili ang ayos ng talahanayan at hinahati ang teksto sa mga tipak. Buo ang bawat talahanayan upang manatiling katabi ng mga cell na inilalarawan nito ang mga heading at unit. Hindi kasama sa input ang mga figure, isang mahalagang limitasyon para sa mga dokumentong nasa diagram ang mga espesipikasyon.

Kinukuha ng modelo mula sa bawat tipak ang pangalan, paglalarawan, halaga o saklaw, at unit ng bawat property na makita nito. Kasama sa paglalarawan ang mga kondisyon, configuration at variant ng device kapag ibinigay ng pinagmulan. Nananatiling naka-link ang bawat property sa pinagmulang tipak. Inilalagay naman ng ikalawang yugto ang mga property sa ilalim ng mga functional block sa graph. Halimbawa, dapat nasa UART block ang espesipikasyon ng baud rate ng UART; dapat mas mataas sa hierarchy ang espesipikasyong pinagsasaluhan ng maraming peripheral. Maaari ring magmungkahi ang modelo ng bagong block kapag wala ito sa panimulang category template.

Humihingi ang sistema sa modelo ng tahasang mga tagubilin sa paglalagay at pag-edit. Sinusuri ng lokal na software ang mga iyon at inilalapat sa nakaimbak na mga property, sa halip na ipagawa sa modelo ang buong graph at mga halaga nito muli. Pinagsasama ng mga susunod na pass ang magkaparehong espesipikasyon, pinag-iiba ang mga property na magkapareho ang pangalan at muling sinusuri ang mga naunang nailagay bago nagkaroon ng mas angkop na block. Dahil magkahiwalay ang mga yugtong ito, mas madaling matunton sa pinagmulang tipak at hakbang sa pagproseso ang maling halaga o pagkakalagay. Hindi nito ginagawang laging tama ang mga semantikong pasiya ng modelo.

Para sa retrieval, maaaring tukuyin ng sistema ang mga kaugnay na functional block at siyasatin ang mga property ng mga ito pati ang naaangkop na property na minana mula sa parent block. Disenyo ito para paliitin ang paghahanap sa graph. Walang inilalahad ang papel na field trial na nagpapakitang bumilis ang gawaing pang-inhinyero o nabawasan ang mga pagkabigo sa compatibility.

Ano ang sinukat ng paghahambing

Pinatakbo ng mga may-akda ang dalawang paraan gamit ang GPT-5.4 sa temperature na 0.2 sa 20 datasheet: pitong sensor, limang processing component, limang power module at tatlong communication component. May kabuuang 1,040 pahina ang mga dokumento. Parehong parsed Markdown na ginamit ng staged system ang natanggap ng one-shot baseline; kinailangan nitong kunin, alisin ang duplicate at ayusin ang buong graph sa iisang query. Kaya walang figure content ang alinmang paraan sa paghahambing na ito.

Sinusukat ng 98.8% at 76.1% ang katapatan ng property: kung sinusuportahan ng siping ikinabit sa nakuhang property ang claim na iyon. LLM ang humatol sa semantikong suporta, samantalang kinailangan ding tumugma sa input text ang reference na inaangkin ng baseline. Pagkatapos, inihambing ng mga mananaliksik kung gaano karami sa tapat na impormasyon ng bawat graph ang mababawi mula sa isa pa. Ganap na saklaw ng staged graph ang 83.6% ng tapat at na-normalize na property ng baseline. Sa kabilang direksiyon, ganap namang saklaw ng baseline ang 10.5% ng property ng staged graph.

Mga relatibong score ito ng coverage sa magkaibang direksiyon, hindi porsiyento ng lahat ng espesipikasyon sa orihinal na datasheet. Walang kumpletong ground-truth inventory. Ni-normalize ng mga may-akda ang mga property upang mabawasan ang pagkakaiba sa paghahati ng bawat graph sa isang espesipikasyon, saka hinatulan ng modelo kung buo, bahagya o wala ang coverage. Sa manu-manong pagsusuri, 186 sa 200 sample na tagubilin sa normalization ang sumunod sa mga itinakdang tuntunin; walo ang hindi at anim ang malabo. Maaaring makaapekto ang mga error na iyon sa kabuuang coverage.

May gastos din sa pagproseso. Ayon sa papel, umabot nang humigit-kumulang 17 minuto ang isang refinement iteration para sa graph ng Analog Devices sensor na may mahigit 800 property dahil sa mga model query at API latency. Tatlong iteration ang pinili ng mga may-akda bilang trade-off. Walang pangkalahatang gastos bawat datasheet sa papel at hindi nito ipinakikitang matipid ang pipeline sa production scale.

Hindi pa nasusubok ang gamit sa engineering

Kaalamang nakuha ang sinukat ng eksperimento, hindi mga pasiya sa component. Sa pagsusuri ng mga may-akda, mas maraming impormasyong suportado ng sanggunian ang nalikha nang hatiin ang siksik na dokumento sa mga hakbang sa extraction at pag-edit ng graph na natutunton, kumpara sa kanilang one-shot baseline. Maaaring gamitin ng inhinyero ang ganitong graph upang hanapin ang posibleng constraint at siyasatin ang kalakip na sipi mula sa orihinal. Bago magpasya sa component, kailangan pa ring suriin ng tao ang orihinal na datasheet at naaangkop na mga kondisyon, lalo na kung may impormasyong nasa figure na hindi binasa ng pipeline.

Preprint itong may dalawang may-akda, bersyon 1, na isinumite noong Oktubre 8, 2026. Sinuri ng BIG CHANGE ang papel at ang iniulat nitong paraan at resulta; hindi nito pinatakbo ang pipeline o independiyenteng sinuri ang mga graph laban sa 20 datasheet. Hindi pinatutunayan ng papel ang pagganap kumpara sa ibang extraction system, sa mas malawak na hanay ng dokumento o sa naka-deploy na daloy ng hardware.

Mga source at karagdagang babasahin