面向人道主义情势报告的大型语言模型框架
计算与语言
2025-12-23 v1
摘要
及时且准确的情势报告对人道主义决策至关重要，但当前工作流程仍大多是手动的、资源密集且不一致。我们提出了一个完全自动的框架，使用大型语言模型（LLM）将异构的人道主义文件转换为结构化且以证据为依据的报告。该系统集成了语义文本聚类、自动问题生成、检索增强答案提取带引用、多层次摘要和执行摘要生成，由内部评估指标模拟专家推理。我们在13个人道主义事件（包括自然灾害和冲突）上评估了该框架，使用超过1,100个来自已验证来源（如ReliefWeb）的文档。生成的问题实现了84.7%的相关性、84.0%的重要性和76.4%的紧迫性。提取的答案达到86.3%的相关性，引用的精确率和召回率均超过76%。人类与LLM基于评估的一致性超过0.80的 F1 分数。比较分析显示，所提出的框架比现有基线更结构化、更可解释、更具可操作性。通过将LLM推理与透明的引用链接和多层次评估相结合，本研究表明生成式AI可以自主生产准确、可验证且具有操作价值的人道主义情势报告。
引用
@article{arxiv.2512.19475,
title = {A Large-Language-Model Framework for Automated Humanitarian Situation Reporting},
author = {Ivan Decostanzi and Yelena Mejova and Kyriaki Kalimeri},
journal= {arXiv preprint arXiv:2512.19475},
year = {2025}
}
备注
18 pages, 3 figures