Edisi Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# Pipeline AI bertahap mengekstrak spesifikasi perangkat keras dari lembar data

> Preprint dua penulis melaporkan bahwa ekstraksi AI bertahap menghasilkan lebih banyak spesifikasi perangkat keras yang didukung sumber daripada pendekatan satu tahap pada 20 lembar data. Gambar dan keputusan desain nyata belum diuji.

By BIG CHANGE Editorial

Published: 2026-10-12T10:04:09.292Z
Updated: 2026-10-12T10:04:09.292Z
Canonical: https://bigchange.ai/blog/ai-hardware-datasheet-knowledge-graph-extraction

![Conceptual charcoal illustration of an unbranded electronic sensor module beside a datasheet table with one orange-highlighted row.](https://bigchange.ai/api/media/file/hardware-datasheet-sensor-spec-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE. It does not depict a studied component, a real datasheet, or a tested engineering decision.

Sebuah [preprint University of Michigan](https://arxiv.org/html/2610.12762v1) menjelaskan cara mengubah lembar data perangkat keras menjadi graf pengetahuan yang dapat ditelusuri, sambil mempertahankan tautan dari setiap spesifikasi yang diekstrak ke sumbernya. Pada 20 lembar data, penulis melaporkan bahwa 98.8% properti dalam graf mereka didukung oleh bagian sumber yang dikutip, dibandingkan 76.1% dengan pendekatan satu tahap. Hasil ini menyangkut mutu ekstraksi dalam evaluasi penulis. Hasil tersebut tidak menunjukkan bahwa komponen yang dipilih dari graf mana pun akan berfungsi dalam desain akhir.

## Perubahan besar

- **Apa yang berubah:** Peneliti membagi pemrosesan lembar data menjadi ekstraksi terbatas, penempatan di graf, dan pembersihan berulang, alih-alih meminta model menghasilkan seluruh graf dalam satu respons.
- **Mengapa penting:** Insinyur yang mencari batasan komponen membutuhkan nilainya, kondisi operasinya, dan jalur kembali ke lembar data. Pendekatan bertahap mempertahankan jauh lebih banyak properti yang didukung sumber dalam perbandingan ini.
- **Yang perlu dicermati:** Skor yang dilaporkan berasal dari 20 dokumen dan dibandingkan dengan satu pendekatan satu tahap. Replikasi independen dan pengujian dalam alur pemilihan atau verifikasi komponen nyata masih belum dilakukan.

## Pipeline mengaitkan setiap spesifikasi dengan sumbernya

Spesifikasi dalam lembar data tersebar di prosa dan tabel. Rentang tegangan dapat bergantung pada varian perangkat atau mode operasi, sehingga angka yang berdiri sendiri tidak sepenuhnya menjawab pertanyaan insinyur. Metode penulis terlebih dahulu mengubah PDF lembar data menjadi Markdown, mempertahankan struktur tabel, lalu membagi teks menjadi potongan. Setiap tabel dibiarkan utuh agar judul dan satuan tetap bersama sel yang dijelaskannya. Gambar tidak dimasukkan ke input, batasan penting untuk dokumen yang menempatkan spesifikasi dalam diagram.

Model mengekstrak nama, deskripsi, nilai atau rentang, serta satuan dari setiap properti yang ditemukannya di sebuah potongan. Deskripsi mencakup kondisi, konfigurasi, dan varian perangkat jika sumber menyediakannya. Setiap properti tetap terhubung dengan potongan sumbernya. Tahap kedua menempatkan properti di bawah blok fungsional pada graf. Misalnya, spesifikasi baud rate UART berada di bawah blok UART; spesifikasi yang dipakai beberapa periferal berada lebih tinggi dalam hierarki. Model dapat mengusulkan blok baru jika templat kategori awal tidak memilikinya.

Sistem meminta model memberi instruksi penempatan dan penyuntingan secara eksplisit. Perangkat lunak lokal memeriksa instruksi itu dan menerapkannya pada properti yang tersimpan, alih-alih meminta model membuat ulang graf beserta nilainya. Tahap berikutnya menggabungkan spesifikasi duplikat, membedakan properti dengan nama yang sama, dan meninjau ulang properti yang ditempatkan sebelum blok yang lebih cocok tersedia. Pemisahan ini memudahkan pelacakan nilai atau penempatan yang keliru ke potongan sumber dan tahap pemrosesan. Namun, keputusan semantik model tetap bisa salah.

Untuk pencarian, sistem dapat mengenali blok fungsional yang relevan dan memeriksa propertinya bersama properti berlaku yang diwarisi dari blok induk. Ini adalah rancangan terdokumentasi untuk mempersempit pencarian pada graf. Makalah tidak melaporkan uji lapangan yang menunjukkan pekerjaan rekayasa lebih cepat atau kegagalan kompatibilitas lebih sedikit.

## Apa yang diukur dalam perbandingan

Penulis menjalankan kedua metode dengan GPT-5.4 pada temperatur 0.2 di 20 lembar data: tujuh sensor, lima komponen pemrosesan, lima modul daya, dan tiga komponen komunikasi. Dokumen berjumlah 1,040 halaman. Baseline satu tahap menerima Markdown hasil parsing yang sama dengan sistem bertahap dan harus mengekstrak, menghapus duplikat, serta menyusun seluruh graf dalam satu kueri. Karena itu, kedua metode tidak mendapat isi gambar dalam perbandingan ini.

Angka 98.8% dan 76.1% mengukur *kesetiaan properti*: apakah bagian yang dilampirkan pada properti hasil ekstraksi mendukungnya. LLM menilai dukungan semantik, sedangkan rujukan yang diklaim baseline juga harus cocok dengan teks input. Peneliti lalu membandingkan seberapa banyak informasi akurat dari setiap graf yang dapat ditemukan kembali pada graf lainnya. Graf bertahap sepenuhnya mencakup 83.6% properti baseline yang akurat dan dinormalisasi. Sebaliknya, baseline sepenuhnya mencakup 10.5% properti dalam graf bertahap.

Ini adalah skor cakupan relatif yang berarah, bukan persentase dari semua spesifikasi di lembar data asli. Tidak tersedia inventaris ground truth yang menyeluruh. Penulis menormalisasi properti untuk mengurangi perbedaan cara tiap graf membagi spesifikasi, lalu meminta model menilai cakupan penuh, sebagian, atau tidak ada. Pemeriksaan manual menemukan bahwa 186 dari 200 instruksi normalisasi sampel mengikuti aturan yang dinyatakan; delapan tidak, dan enam ambigu. Kesalahan itu dapat memengaruhi total cakupan.

Pekerjaan ini juga memiliki biaya pemrosesan. Makalah menyebut satu iterasi penyempurnaan graf sensor Analog Devices dengan lebih dari 800 properti memerlukan sekitar 17 menit karena kueri model dan latensi API. Penulis memilih tiga iterasi sebagai kompromi. Makalah tidak memberi biaya umum per lembar data atau menunjukkan bahwa pipeline ekonomis pada skala produksi.

## Penggunaan dalam rekayasa masih perlu diuji

Eksperimen mengukur pengetahuan yang diekstrak, bukan keputusan komponen. Dalam uji penulis, membagi dokumen padat menjadi langkah ekstraksi dan penyuntingan graf yang dapat ditelusuri menghasilkan lebih banyak informasi yang didukung sumber daripada baseline satu tahap mereka. Insinyur dapat memakai graf seperti ini untuk menemukan batasan kandidat dan memeriksa bagian asli yang dilampirkan. Sebelum memutuskan komponen, manusia tetap perlu memeriksa lembar data asli dan kondisi yang berlaku, terutama jika gambar memuat informasi yang tidak dimasukkan pipeline.

Ini adalah preprint dua penulis, versi 1, dikirim pada 8 Oktober 2026. BIG CHANGE menelaah makalah dan metode serta hasil yang dilaporkan; kami tidak menjalankan pipeline atau memeriksa graf secara independen terhadap 20 lembar data. Makalah tidak menetapkan kinerja dibanding sistem ekstraksi lain, pada kumpulan dokumen lebih luas, atau dalam alur kerja perangkat keras yang diterapkan.

### Sumber dan bacaan lanjutan

- [Qiao dan Dick, *Faithful and Complete LLM-Assisted Automated Construction of Hierarchical Hardware Knowledge Graphs*](https://arxiv.org/html/2610.12762v1), arXiv versi 1, dikirim 8 Oktober 2026. Sumber utama untuk pipeline, evaluasi 20 lembar data, skor, dan keterbatasan yang dinyatakan. Ini adalah hasil penulis; replikasi independen tidak diidentifikasi untuk artikel ini.

## Sources

- [Faithful and Complete LLM-Assisted Automated Construction of Hierarchical Hardware Knowledge Graphs, arXiv v1](https://arxiv.org/html/2610.12762v1) — Makalah utama penulis tentang metode sistem, tolok ukur 20 lembar data, dan keterbatasan; tidak ada replikasi independen.
- [Catatan versi arXiv untuk 2610.12762](https://arxiv.org/abs/2610.12762) — Metadata utama yang mengonfirmasi penulis, pengiriman v1, dan klasifikasi riset; bukan sumber eksperimen independen.