基于大語言模型智能體的汽車安全風險判別：以投訴文本為驅(qū)動

摘要： 為解決汽車安全風險管理中依賴人工提取投訴文本知識的局限性，應用大語言模型(LLMs)智能判別事件風險。首先，采集包含發(fā)動機等8大子系統(tǒng)的5萬余條投訴文本，基于雙語與跨語言嵌入(BCEmbedding)模型與社區(qū)發(fā)現(xiàn)算法，提出演示采樣方法，構(gòu)建多樣化高質(zhì)量示例集知識庫;然后，從場景、技能以及示例等方面設計LLMs提示詞，構(gòu)建實現(xiàn)風險詞抽取與擴充、子系統(tǒng)風險歸類的智能體;最后，分析... （共9頁）