LogiDebrief：一种基于信号时序逻辑并集成大语言模型的自动化复盘方法
人工智能
2025-05-09 v1 软件工程
摘要
应急响应服务对公共安全至关重要，而9-1-1接线员在确保及时有效的应急行动中扮演着关键角色。为保证接警表现的一致性，需实施质量保证以评估和完善接线员的技能组合。然而，传统的人工评估难以应对高呼叫量，导致覆盖率低和评估延迟。我们引入了LogiDebrief，这是一个AI驱动的框架，通过将信号时序逻辑（Signal-Temporal Logic, STL）与大语言模型（Large Language Models, LLMs）相集成，实现全覆盖的严格性能评估，从而自动化传统的9-1-1呼叫复盘。LogiDebrief将接警要求形式化为逻辑规范，从而能够根据程序指南对9-1-1呼叫进行系统性评估。它采用三步验证流程：（1）上下文理解，以识别响应者类型、事件分类和关键条件；（2）集成LLM的基于STL的运行时检查，以确保合规性；（3）将结果自动汇总成质量保证报告。除了技术贡献外，LogiDebrief还展示了现实世界的影响力。它已成功部署于纳什维尔市应急通信部，协助复盘了1,701个真实呼叫，节省了311.85小时的人工投入时间。基于真实数据的实证评估证实了其准确性，而案例研究和广泛的用户研究则凸显了其在提升接听性能方面的有效性。
引用
@article{arxiv.2505.03985,
title = {LogiDebrief: A Signal-Temporal Logic based Automated Debriefing Approach with Large Language Models Integration},
author = {Zirong Chen and Ziyan An and Jennifer Reynolds and Kristin Mullen and Stephen Martini and Meiyi Ma},
journal= {arXiv preprint arXiv:2505.03985},
year = {2025}
}
备注
Accepted at IJCAI-2025