?arXiv 2-Jun-2025 RAG相关论文(9/9)
?更多论文见主页/合集
?arXiv ID: arXiv:2505.23835
?论文标题: Say What You Mean: Natural Language Access Control with Large Language Models for Internet of Things
? 问题背景：随着物联网（IoT）技术的快速发展，设备生态系统变得日益复杂和互连。访问控制不再仅仅是评估静态角色或执行硬编码规则，而是必须考虑时间、地点、用户行为和环境条件等动态因素。然而，现有的平台要么只提供粗粒度的控制，要么依赖于僵化的规则匹配，难以应对语义丰富或模糊的访问场景。
? 研究动机：为了提升访问控制的灵活性和智能化水平，研究团队提出了LACE（基于语言的访问控制引擎），一种结合了大型语言模型（LLM）的混合框架，旨在弥合人类意图与机器可执行逻辑之间的差距。LACE通过提示引导的策略生成、检索增强推理和正式验证，支持表达性、可解释性和可验证的访问控制。
? 方法简介：LACE系统包括两个紧密集成的组件：策略生成和验证模块以及基于RAG的决策生成模块。策略生成模块利用LLM从自然语言描述中生成结构化的访问控制策略，并通过多阶段管道进行验证。决策生成模块则结合RAG技术，提高策略匹配的准确性，并优化LLM的决策结果。
? 实验设计：在智能家居环境中进行了广泛的实验，评估了LACE在政策生成和验证以及决策生成方面的性能。实验结果显示，LACE在验证政策生成方面达到了100%的正确率，在决策任务中使用DeepSeekV3时，准确率高达88%，F1分数为0.79，显著优于基线模型。系统还展示了在政策数量增加和请求并发性增加情况下的强大可扩展性。
#LLM #RAG #agent #multimodal #大模型 #检索增强 #多模态 #长文本 #RL
?更多论文见主页/合集
?arXiv ID: arXiv:2505.23835
?论文标题: Say What You Mean: Natural Language Access Control with Large Language Models for Internet of Things
? 问题背景：随着物联网（IoT）技术的快速发展，设备生态系统变得日益复杂和互连。访问控制不再仅仅是评估静态角色或执行硬编码规则，而是必须考虑时间、地点、用户行为和环境条件等动态因素。然而，现有的平台要么只提供粗粒度的控制，要么依赖于僵化的规则匹配，难以应对语义丰富或模糊的访问场景。
? 研究动机：为了提升访问控制的灵活性和智能化水平，研究团队提出了LACE（基于语言的访问控制引擎），一种结合了大型语言模型（LLM）的混合框架，旨在弥合人类意图与机器可执行逻辑之间的差距。LACE通过提示引导的策略生成、检索增强推理和正式验证，支持表达性、可解释性和可验证的访问控制。
? 方法简介：LACE系统包括两个紧密集成的组件：策略生成和验证模块以及基于RAG的决策生成模块。策略生成模块利用LLM从自然语言描述中生成结构化的访问控制策略，并通过多阶段管道进行验证。决策生成模块则结合RAG技术，提高策略匹配的准确性，并优化LLM的决策结果。
? 实验设计：在智能家居环境中进行了广泛的实验，评估了LACE在政策生成和验证以及决策生成方面的性能。实验结果显示，LACE在验证政策生成方面达到了100%的正确率，在决策任务中使用DeepSeekV3时，准确率高达88%，F1分数为0.79，显著优于基线模型。系统还展示了在政策数量增加和请求并发性增加情况下的强大可扩展性。
#LLM #RAG #agent #multimodal #大模型 #检索增强 #多模态 #长文本 #RL
