基于大语言模型的核设施安全事件分类
计算与语言
2024-09-04 v1 人工智能
机器学习
摘要
本文提出了一种基于大语言模型（LLM）的机器学习分类器，旨owitz 将核电站的站态记录（Station Condition Records, SCRs）分类为安全相关与非安全相关类别。其主要目标是通过提升核电站安全分类流程的效率和准确性，来增强现有人工审查流程。本文讨论了对标注SCR数据集进行分类实验的过程，并评估了分类器的性能。文章探讨了多种提示变体的构建及其对LLM决策过程的影响。此外，本文引入了一种数值评分机制，可能为SCR安全分类提供更细致和灵活的方法。该方法代表了核安全管理创新步骤，为安全事件识别提供了可扩展工具。
引用
@article{arxiv.2409.00091,
title = {Classification of Safety Events at Nuclear Sites using Large Language Models},
author = {Mishca de Costa and Muhammad Anwar and Daniel Lau and Issam Hammad},
journal= {arXiv preprint arXiv:2409.00091},
year = {2024}
}