面向协调关税表代码分类的基于共识的智能体LLM框架

准确的协调关税表（HTS）代码分类对海运物流中的清关、关税评估、贸易统计与合规至关重要。但精确HTS分类仍然困难：产品描述常简短、不完整或含糊——而正确分类依赖层级关税结构、法律注释与司法辖区专属规则。本文提出面向智能港口与海运物流环境中加拿大10位HTS代码分类的智能体LLM框架。该框架整合多智能体信息检索、官方关税文档上的语义检索、证据锚定推理、基于共识的验证、跨层级代码组件的逐元素投票、置信度估计与人机协同升级。我们在从物流与配送场景收集的3,300条领域专家标注产品记录的私有数据集上评估。实验结果表明：即使对先进LLM——精确10位分类仍然困难——性能从粗粒度章级预测到细粒度税级与统计后缀指派递减。这些发现证明需要证据锚定、不确定性感知、以人为中心的分类工作流——而非完全自主的单步预测。所提框架为海运物流与智能港口运营支持更可解释、可问责、合规导向的HTS分类。代码见 https://github.com/Analytics-Everywhere-Lab/hts。