邁向自主工業運營的關鍵一步是能夠根據自然語言需求規範創建和重新配置控制策略，且只需極少或無需手動重新設計。在這一背景下，當與能夠執行前檢查候選動作的工廠感知驗證器（例如數字孿生）配對時，由AI代理生成策略成為一種可行的路徑。然而，實際部署受到推理延遲和計算開銷的限制：大型雲模型對於邊緣閉環應用往往速度過慢、不夠透明或對數據敏感。
本研究探討了是否可以將緊湊的小型語言模型（SLM）重新訓練用於控制推理，並將其嵌入驗證器引導的修正循環中。研究團隊使用了通過組相對策略優化（GRPO）對齊的Qwen2.5-1.5B模型，結合了三個組件：（i）動作代理，負責生成候選動作；（ii）符號/數字孿生風格的驗證層，用於檢查動作是否符合物理規則和約束；（iii）重提示代理，它根據驗證結果迭代地引導模型輸出朝向有效動作。這種多智能體架構實現了自我修正的閉環控制。
實驗在隨機熱控制模擬中進行，共30次獨立實驗，每次包含500個控制步驟。結果顯示，該框架實現了平均91.5%的動作對齊準確率，各案例範圍從86.3%到100%。更重要的是，平均推理延遲僅為3.84秒，這對於邊緣部署至關重要。在符號重映射測試中，模型保持了95%的在範圍率，表明即使令牌級一致性有所下降，物理調節仍然穩健。
該研究已被IEEE CCTA 2026接收，表明其學術價值。這些結果支持SLM加驗證器架構作為在邊緣實現可重構自主控制的實用路徑，為工業自動化和智能控制領域提供了新的思路。