建立天空信任：基于知识的 LLM 航空安全框架

将大语言模型（LLM）集成到航空安全决策中代表了重大的技术进步，但由于事实不准确、幻觉和缺乏可验证性等固有限制，其独立应用会带来严重风险。这些挑战破坏了安全关键环境所需的可靠性，在这些环境中，错误可能会造成灾难性后果。为了应对这些挑战，本文提出了一种新颖的端到端框架，该框架协同结合 LLM 和知识图 (KG)，以增强安全分析的可信度。该框架引入了双阶段管道：它首先采用 LLM 自动构建和动态更新来自多模式来源的航空安全知识图（ASKG）。然后，它在检索增强生成 (RAG) 架构中利用这个精心策划的知识图谱来基础、验证和解释 LLM 生成的响应。所实施的系统比仅 LLM 的方法提高了准确性和可追溯性，有效支持复杂的查询并减轻幻觉。结果证实该框架能够提供情境感知、可验证的安全见解，满足航空业严格的可靠性要求。未来的工作将集中于增强关系提取和集成混合检索机制。