10:38arXiv cs.LG@Aygün Varol, Katarzyna Kołodziej, Łukasz Sobczak, Michał Romaszewski, Przemysław Głomb, Naser Hossein Motlagh, Mirka Leino, Johanna Virkki这篇论文提出结构化提示构建框架,将原始空气质量和热舒适传感器数据转化为三种渐进的文本表示(原始值、阈值描述、环境摘要)。研究使用室内Raspberry Pi/BME680数据集和户外华沙等城市数据集,评估5个本地和5个云端LLM。在无思维链推理模式下,本地模型准确率从50.9%提升至81.7%(室内),从63.7%提升至89.3%(户外),平均延迟仅0.22秒。结果表明轻量级预处理可显著缩小边缘与云端的准确率差异。论文LLMIoT数据预处理边缘AI提示工程环境监测推荐理由:把传感器数据预处理成文字提示,小模型准确率能从50%涨到89%,延迟才0.22秒,不比云端差。原文