接下来会发生什么：大模型驱动的应急预案推演

传统的模拟方法通过预设再现已发生的紧急情况，辅助人们进行风险评估和应急决策。然而，由于缺乏随机性和多样性，现有的模拟系统很难充分探索潜在的风险，因为紧急情况很少。相比之下，大型模型（LM）可以动态调整生成策略以引入可控随机性，同时还拥有广泛的先验知识和跨领域知识转移能力。受其启发，我们提出了LM驱动的世界线分歧系统（WLDS），该系统可以实现不同领域紧急情况的多样化可视化和推导。 WLDS利用LM对各个发展方向的紧急实例进行推演，并引入事实校准和逻辑校准机制，保证推演过程中事实的准确性和逻辑的严密性。交互模块可以自主选择推演方向，避免出现系统难以识别的潜在幻觉。此外，WLDS通过引入可视化模块，形成文本与图像结合的模拟与推导，增强了可解释性。在所提出的紧急实例推导（EID）基准数据集上进行的大量实验表明，WLDS 实现了多个特定领域紧急实例的高精度、高保真模拟和推导。相关实验进一步表明，WLDS可以为用户生成更多的紧急情况推演数据，为未来类似紧急情况下更好的决策提供支持。