HazardWeaver：面向灾害分析智能体的科学路径选择

理解和评估自然灾害对于灾害防备和风险降低至关重要。近年来，大语言模型的进展推动了人们对灾害分析 AI 智能体的日益关注，尤其是其将科学数据、模型和工具整合到自动化工作流中的能力。然而，要实现有效的自动化，智能体必须确定哪些科学方法适用于给定事件，并且能够利用现有数据和工具执行。随着新的证据和执行结果不断出现，这些条件可能发生变化，因此智能体需要重新审视其选择。我们将这一问题表述为依赖状态的科学路径选择，并提出 HazardWeaver。具体而言，HazardWeaver 首先利用 Hazard Knowledge Compiler 提取决定科学适用性的、与证据关联的条件；随后，其 Hazard Capability Graph 表示可执行的科学能力，并检查这些能力的输入与输出之间的兼容性。借助这两种互补的表示，Hazard Weaver Agent 组件能够选择适用且可执行的路径，执行相应工作流，并在分析状态发生变化时修正其决策。为了同时评估科学输出及产生这些输出的决策，我们提出 Hazard Weaver Benchmark，其中包含涵盖七个单灾害领域和四类多灾害交互的 141 个实例。该基准允许存在多条有效的科学路径，并评估输出正确性、路径有效性以及有理有据的拒答。基于该基准的大量实验表明，HazardWeaver 优于现有智能体系统，并且在具有多条符合条件的科学路径的任务上取得了最大幅度的提升。我们的代码已公开发布于 https://github.com/LabRAI/HazardWeaver。