DisastRAG：基于检索增强的多源灾害信息集成与访问系统大语言模型

有效的灾害管理需要快速访问分布在结构化操作记录、非结构化机构文档和动态外部源中的信息。然而，大多数现有的灾害信息系统和检索增强生成框架仍然围绕单一访问路径进行组织，限制了它们支持异构、时间敏感和上下文相关信息需求的能力。本研究提出了 DisastRAG，这是一种灾难感知信息集成和访问系统，它将 大语言模型 与对结构化、非结构化和上下文灾难信息的检索增强访问相结合。该框架围绕多路径架构构建，支持对精选危险语料库进行文档检索、对关系灾难记录进行结构化访问以及针对语料库外请求的外部 Web 回退，同时还将查询理解、策略路由、响应生成和上下文记忆纳入统一系统中。我们使用四个开源 大语言模型 跨多种检索配置对多项选择和开放式灾难信息任务的文档检索性能进行了评估。与无检索基线相比，检索增强持续提高性能，使多项选择收益提高 12-23 个百分点，开放式关键点覆盖率收益高达 10.5 个百分点。结果表明，较大的候选池对较弱的模型最有帮助，而较强的模型对检索噪声更敏感。混合检索对于开放式覆盖表现最好，而向量检索和浅层重排序通常更倾向于封闭式事实选择。案例研究进一步表明，结构化访问和 Web 回退将框架扩展到仅限文档的 RAG 之外。