HazardWeaver：灾害分析智能体的科学路线选择

理解与评估自然灾害对备灾与减灾至关重要。大语言模型的近期进展激发了对灾害分析AI智能体的兴趣，尤其是把科学数据、模型与工具整合进自动化工作流的能力。但有效自动化要求智能体判断哪些科学方法适合给定事件且可用现有数据与工具执行；随着新证据与执行结果出现，条件会变化，需要智能体重审其选择。我们把该问题形式化为状态依赖的科学路线选择并提出HazardWeaver：先用灾害知识编译器提取控制科学适用性的证据链接条件，再以灾害能力图表示可执行科学能力并检查其输入输出的兼容性；利用这两种互补表示，Hazard Weaver Agent组件选择适用且可执行的路线、执行其工作流，并随分析状态变化修订决策。为评估科学产出与产生它们的决策，我们引入Hazard Weaver Benchmark：跨七个单灾域与四类多灾交互的141个实例。基准容纳多条有效科学路线并评估输出正确性、路线有效性与有理弃答。大量实验显示HazardWeaver优于既有智能体系统，最大增益出现在有多条合格科学路线的任务上。代码/项目页：https://github.com/LabRAI/HazardWeaver。