HazardWeaver：面向灾害分析的智能体科学路径选择框架
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载把选方法变成状态问题
这篇论文关注的是自然灾害的理解与评估，作者认为这类工作对防灾和降低风险有直接作用。随着大语言模型能力提升，把科学数据、模型和工具串成自动化流程的智能体开始被用于灾害分析。但作者指出，真正要落地，智能体必须先判断某个科学方法是否适合当前事件，以及手头的数据和工具能否把它跑起来。更麻烦的是，随着新证据和执行结果不断出现，这些前提条件会发生变化，原先选定的路线可能不再成立，智能体需要回头重新考虑。论文把这一情形概括为依赖状态的科学路线选择问题，并给出名为 HazardWeaver 的方案。作者来自 Wangshu Zhu、Xueqi Cheng、Liang Wu、Yushun Dong，论文提交于 2026 年 10 月 2 日，挂在 arXiv 的 cs.AI 分类下，编号 arXiv:2610.03591，全文含参考文献和附录共 24 页。
两个表示加一个智能体
HazardWeaver 的做法的核心是先把“能不能用”和“能不能跑”拆成两套表示。第一套叫 Hazard Knowledge Compiler，负责从材料中抽取与证据挂钩的条件，这些条件决定某个科学方法在什么情况下适用。第二套叫 Hazard Capability Graph，用来描述可执行的科学能力，并检查这些能力的输入与输出之间是否匹配。两套表示互为补充：前者回答方法是否科学上合适，后者回答在当前数据与工具下是否真的能执行。在此基础上，Hazard Weaver Agent 组件负责挑出既适用又可执行的路线，按流程执行，并在分析状态改变时修正自己的决定。也就是说，重新选择不是一次性动作，而是随着证据和结果更新持续发生的。
评测覆盖多灾种与多路线
为了同时考察科学产出和产生这些产出的决策，作者构建了 Hazard Weaver Benchmark。该基准包含 141 个实例，覆盖七个单一灾种领域以及四类多灾种交互情形。它的一个特点是允许多条有效的科学路线并存，因此评测不只看最终输出对不对，还看所选路线是否有效，以及在应当放弃时能否给出有理由的弃权。论文报告的大量实验显示，HazardWeaver 在这套基准上优于已有的智能体系统，而且在存在多条合格科学路线的任务上提升最明显。对读者而言，这意味着灾害分析智能体的评价标准从“答对没有”扩展到了“路线选得对不对、该不该做”，代码已公开。
为什么值得看
解决AI智能体在复杂灾害分析中动态匹配科学方法与可用工具的痛点，提供含141实例的新评测基准。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。