CrisiText：面向紧急通信中 LLM 训练的警示消息数据集
计算与语言
2026-01-14 v2 人工智能
摘要
在自然灾害或暴力袭击等危机情境中有效识别威胁并减轻其潜在损害，对于保护受威胁个体至关重要。为应对这些挑战，AI 已被用于在危机情境中辅助人类行动。然而，NLP 技术的应用仍有限，主要集中在分类任务。利用 NLG 架构实现及时警示消息生成的潜力却被大大低估。在本文中，我们提出 CrisiText，这是一个跨越 13 种不同危机情境的警示消息生成数据集。该数据集包含超过 40 万条警示消息（涵盖近 18 000 种危机情境），旨在帮助在此类事件发生及之后的 civilian 期间提供帮助。为生成该数据集，我们从现有的危机描述出发，创建与情境相关的事件链。随后将每个事件与警示消息配对。生成的消息遵循专家制定的指南，以确保术语正确且建议事实准确。此外，每条消息都伴随三个次优警示类型，以便研究不同的 NLG 方法。为此，我们进行了一系列实验，比较监督微调设置与偏好对齐、零样本和少样本方法。我们进一步评估了模型在分布外情境中的性能，并评估了自动后编辑器的有效性。
引用
@article{arxiv.2510.09243,
title = {CrisiText: A dataset of warning messages for LLM training in emergency communication},
author = {Giacomo Gonella and Gian Maria Campedelli and Stefano Menini and Marco Guerini},
journal= {arXiv preprint arXiv:2510.09243},
year = {2026}
}