RADIANT-LLM：用于安全关键核工程中可靠决策支持的代理检索增强生成框架

核工程中的可靠决策支持需要可追溯、基于领域的知识检索，但在专门的核领域使用预训练的 大语言模型 (LLM) 时，安全和风险分析工作流程仍然受到碎片化文档和幻觉的阻碍。为了应对这些挑战，本文提出了 RADIANT-LLM（使用 LLM 的核技术检索增强域智能代理），这是一种专为核安全、安保和保障应用而设计的多模式检索增强生成 (RAG) 框架。该框架使用本地优先、与模型无关的架构，将多模式文档摄取管道与结构化、元数据丰富的知识库配对，支持从技术文档中进行页面和图形级检索。代理层协调特定领域的工具，通过来源跟踪强制执行引用支持的响应，并支持人机交互验证以降低幻觉风险。为了严格评估该框架，我们开发并应用了一套领域感知指标，包括上下文精度 (CoP)、幻觉率 (HR) 和视觉回忆 (ViR)，以及源自旧核燃料储存设施设计指南的专家策划基准。在不同的知识库大小中，CoP 和 ViR 保持在 85--98\% 范围内，并且幻觉率大大低于通用部署中观察到的水平。当向没有 RAG 层的商业 LLM 平台提出相同的查询时，幻觉和引用错误显着增加。这些结果表明，要实现核工程工作流程所需的事实准确性、透明度和可审计性，需要具有特定领域检索和来源执行的本地控制、多模式 RAG 框架。