基于检索增强生成的多智能体 LLM 系统用于自然灾害韧性与适应
计算与语言
2025-04-25 v1
摘要
大语言模型（LLMs）是人工智能和机器学习前沿的变革性能力，可支持决策者应对诸如极端自然灾害事件等迫在眉下的社会挑战。作为通用模型，LLMs 往往难以提供特定情境下的信息，尤其是在需要专业知识的领域。本文我们提出了一种基于检索增强生成（RAG）的多智能体 LLM 系统，以支持自然灾害和极端天气事件的分析与决策。作为一种概念验证，我们present了 WildfireGPT，一个专注于野火灾害的专用系统。该体系结构采用以用户为中心的多智能体设计，为不同利益相关者群体提供量身定制的风险见解。通过集成自然灾害和极端天气预测数据、观测数据集和科学文献，该系统通过 RAG 框架确保所提供信息的准确性和情境相关性。针对十个由专家主导的案例研究评估表明，WildfireGPT 在决策支持方面显著优于现有的 LLM-based 解决方案。
引用
@article{arxiv.2504.17200,
title = {A RAG-Based Multi-Agent LLM System for Natural Hazard Resilience and Adaptation},
author = {Yangxinyu Xie and Bowen Jiang and Tanwi Mallick and Joshua David Bergerson and John K. Hutchison and Duane R. Verner and Jordan Branham and M. Ross Alexander and Robert B. Ross and Yan Feng and Leslie-Anne Levy and Weijie Su and Camillo J. Taylor},
journal= {arXiv preprint arXiv:2504.17200},
year = {2025}
}