HARNESS：面向高风险 DOE 环境的主动危险预测的人类-智能体风险导航与事件安全系统
人工智能
2025-11-17 v1
摘要
使命关键工作场所的运营安全是首要任务，考虑到日常任务的复杂性和危险性。本文提出了人类-智能体风险导航与事件安全系统（HARNESS），一个模块化的人工智能框架，旨在预测高风险美国能源部（DOE）环境中的危险事件并分析运营风险。HARNESS 将大型语言模型（LLM）与结构化工作数据、历史事件检索和风险分析集成，以主动识别潜在危险。人类在环机制允许主管专家（SMEs）细化预测，创建一种增强性能的自适应学习循环。通过将 SME 合作与迭代智能体推理结合，HARNESS 提高了预测安全系统的可靠性和效率。初步部署显示出鼎舞结果，未来工作将聚焦于准确性、SME 一致性和决策延迟的量化评估。
引用
@article{arxiv.2511.10810,
title = {HARNESS: Human-Agent Risk Navigation and Event Safety System for Proactive Hazard Forecasting in High-Risk DOE Environments},
author = {Ran Elgedawy and Sanjay Das and Ethan Seefried and Gavin Wiggins and Ryan Burchfield and Dana Hewit and Sudarshan Srinivasan and Todd Thomas and Prasanna Balaprakash and Tirthankar Ghosal},
journal= {arXiv preprint arXiv:2511.10810},
year = {2025}
}