从事故现场到解决方案：基于大语言模型的智能体助力高效处理交通事故

《ACM Transactions on Internet of Things》：Crash Scene to Resolution: LLM-based Agents Driven for Efficient Traffic Accident Handling

生成式代理TAA框架基于扩展大语言模型，模拟城市交通事故处理流程与多方交互，通过自然语言编码定义角色职责，优化执行流程，实现87.9%的GPT 4ombi基准测试效果，并验证其在事故调查、重建及归档中的适用性。

　　

摘要

生成式代理能够模拟人类行为并协作完成复杂任务，有潜力彻底改变交通事故的调查方式。在这项研究中，我们设计了TAA（Traffic Accident Agents），这是一个基于扩展型大型语言模型（LLMs）的高级框架，用于数字模拟城市事故处理流程及相关方之间的互动。TAA通过自然语言编码明确了所有相关方的角色、职责和互动方式，并利用这一知识库来协调执行工作流程。该系统促进了可信的代理间互动，生成了全面的报告，并通过记忆机制来规划和优化后续行动。我们评估了TAA在多个ChatGPT版本上的性能，重点关注其在生成可靠互动、做出基于上下文的决策、维持长时间对话以及生成准确报告方面的能力。分析还包括了对token消耗量和经济成本的评估，以确保其可扩展性和实用性；在GPT 4omini基准测试中，TAA的有效性达到了87.9%。实验结果表明，TAA能够成功执行城市事故处理工作流程，并保持信息的一致性。该框架在事故调查、事故重建和档案文档编制方面具有广泛的应用前景。这项工作开创了将生成式代理作为协作性人类代理的使用方式，为推进交通事故管理和调查的未来发展提供了新的途径。