FLARE：基于物理的语言模型智能体在观测退化条件下进行馈线恢复的评估
FLARE: Physics-Grounded Evaluation of Language-Model Agents for Feeder Restoration with Degraded Observations
精选理由
提出物理约束下的配电网恢复评测基准，揭示语言模型决策的长尾风险与安全校验需求。
AI 摘要
arXiv:2610.23251v1 公告类型：新 摘要：配电网发生故障后恢复供电，需要在信息不完整且相互冲突的情况下做出决策，同时遵守电气约束。为满足这一需求，我们提出 FLARE（Feeder-Level Agent Restoration Evaluation），这是一个基于物理的隔离后馈线恢复基准。FLARE 包含 5 种观测设置下的 800 个满足 AC 可行性的案例，并允许智能体在固定运行限值下收集证据、评估开关并执行恢复操作。我们在 78,750 个回合中评估了 5 个经过指令微调的模型，涵盖拓扑、分布式发电和负荷变化。平均归一化遗憾介于 0.082 至 0.148 之间。尽管每个模型的遗憾中位数均为零，但 P95 遗憾介于 0.814 至 1.000 之间，揭示了一个重要的失败长尾。影子重放显示，在 15,706 个被防护机制拒绝的操作中，有 96.4% 会导致物理约束违规。FLARE 支持对基于语言模型的恢复辅助进行可复现评估，同时强调了外部安全检查的必要性。