自然语言输入、语义轨道表示和 LLM 推理：使海事信息交换模型易于处理

我们描述了一种实用的架构，可以使用当前的 大语言模型 (LLM) 技术使海事信息交换模型 (MIEM) 和更广泛的丰富语义跟踪模型变得易于处理。在国防和执法领域采用语义跟踪模型的障碍是要求操作员学习形式本体语言并将观察结果手动编码为类型化逻辑断言。我们建议完全消除这一障碍：操作员用自然语言提供观察结果； LLM 将它们转换为类型化的语义断言记录 (SAR)，它们被称为案例框架，可以捕获单个紧凑结构中的 n 元关系；知识图谱累积 SAR；第二次 LLM 遍历在图表上执行推理、异常检测和假设排名。我们通过两个详细示例（9/11 时代攻击前指标场景和海上货物检查场景）展示了从自然语言输入到 SAR 表示再到推理输出的完整流程。我们认为，这种架构使得轨道模型和 MIEM 可以立即使用当前技术进行部署，建立了针对该方法的专有封装的现有技术，并将该方法建立在连接语义轨道表示与神经流形几何的理论框架中。