VTS-LLM: 基于自然语言的域自适应LLM代理用于提升航路服务中的意识感知
计算与语言
2025-05-05 v1
摘要
航路服务(VTS)通过实时交通管理是海上安全和合规性管理的关键。然而,随着交通复杂度增加和异构多模态数据的普及,现有VTS系统在时空推理和直观人机交互方面存在局限。本文提出VTS-LLM代理,首个针对VTS操作中交互决策支持的领域自适应大型LLM代理。我们将风险易发船舶识别形式化为具备知识增强的Text-to-SQL任务,将结构化船舶数据库与外部海事知识相结合。为支持这一目标,我们构建了一个精选的基准数据集,包括自定义模式、领域特定语料库和多语言风格下的查询-SQL测试集。我们的框架集成了基于NER的关系推理、基于代理的领域知识注入、语义代数中间表示和查询重思机制,以增强领域 grounding和情境感知理解。实验结果表明,VTS-LLM在命令式、操作式和正式自然语言查询下分别优于通用型和SQL专注型基线。此外,我们的分析首次提供了语言风格变异在Text-to-SQL建模中引入系统性性能挑战的实证证据。本工作为航路服务中的自然语言接口奠定了基础,为主动、基于LLM的海事实时交通管理开辟了新机遇。
引用
@article{arxiv.2505.00989,
title = {VTS-LLM: Domain-Adaptive LLM Agent for Enhancing Awareness in Vessel Traffic Services through Natural Language},
author = {Sijin Sun and Liangbin Zhao and Ming Deng and Xiuju Fu},
journal= {arXiv preprint arXiv:2505.00989},
year = {2025}
}
备注
8 pages, 5 figures, 7 tablels, submitted to ITSC2025