经智能体对话危险识别分析增强运营安全

工业过程控制、自主和安全关键系统等高风险领域的操作安全需要可靠的危险识别。虽然大型语言模型 (LLM) 在自动化安全分析任务方面显示出了希望，但单轮、整体推理是脆弱的：它缺乏安全工程师迭代应用的自我纠正、深思熟虑和上下文细化。在本文中，我们介绍了 HAZDIAL，这是一个框架，用于研究结构化代理对话（多代理、多轮交互）是否可以提高基于 NLP 的危险识别相对于单通道基线的质量。我们系统地比较了两种对话模式：对抗性辩论和建设性讨论，并提出了一种基于算法的代理交互优化。我们使用标准分类指标（准确率、精确度、召回率、F1）和新颖的对话指标，根据精选的黄金数据集评估所有配置。这项工作推进了对话系统、多主体推理和人工智能安全的交叉，为对话驱动的危险分析提供了经验证据。