提取平方根 从概率性幻觉到确定性精度，一种基于 LangGraph 的解耦代理用于化工过程安全中的源项计算

《Journal of Loss Prevention in the Process Industries》：extracting the square rootFrom Probabilistic Hallucination to Deterministic Precision, A LangGraph-Based Decoupled Agent for Source Term Calculations in Chemical Process Safety

　　

摘要

源项估计为后果分析提供释放速率和热力学状态输入，这是定量风险评估（QRA）的一个阶段。事件频率估计以及后续的扩散、火灾、爆炸和毒性效应计算不在本研究范围内。大语言模型（LLMs）可以从非结构化的事故描述中提取参数，但直接将自回归生成用于数值源项计算会带来可靠性方面的担忧。在所评估的案例中，原生LLM产生了运算符遗漏、不兼容的方程组合，以及在重复运行中结果不一致的问题。本研究提出了STEM-Agent（源项估计模型智能体），这是一个基于LangGraph的框架，将概率性语义解析与确定性计算分离开来。LLM被限制在Pydantic数据契约下仅进行参数提取，而编码的物理引擎通过显式规则选择和评估源项方程。根据TNO和CCPS指南，基于15个泄漏场景对5种模型配置进行了评估，每种配置重复运行5次。总体平均绝对误差分别为：ChatGPT为363.00%，DeepSeek为18.61%，Qwen为1261.04%，Gemini为8.16%。STEM-Agent使用与Qwen相同的API作为其感知层，实现了0.75%的总体平均绝对误差，并且在每个场景的5次重复运行中输出完全一致。研究结果表明，确定性求解器的执行可以作为所评估源项任务的一种可靠性控制手段。但这些结果并不能证明可以自主应用于更广泛的QRA工作流程，输入、参数和模型形式的不确定性仍有待量化。

引言

定量风险评估（QRA）将事件频率估计与后果分析相结合。源项估计属于后果分析，因为它确定了释放速率、总释放质量、持续时间和初始热力学状态。这些量为扩散、火灾、毒性和爆炸模型提供了边界条件（CCPS, 2000; TNO, 1997）。此阶段的误差可能传播到下游后果估计和风险轮廓中（Pasman等人, 2017）。因此，本研究针对后果分析中的源项计算。本研究不估计引发事件频率、条件概率或完整的个人和社会风险。

既有的后果分析软件通常需要结构化的场景参数和领域专业知识。然而，事故信息最初可能以不完整或非结构化的自然语言描述形式记录，这导致在事故报告与源项计算之间产生一个手动转换步骤。近期在化工过程安全中语言模型的应用主要集中在将非结构化信息转化为决策支持工具。例如，包括知识图谱辅助的应急响应建议（Zheng等人, 2025）、语言模型支持的故障检测与诊断解释（Khan等人, 2025）、基于Transformer的过程流程图修正（Schulze Balhorn等人, 2024），以及HAZOP工作表的多模态生成（Lee等人, 2026）。近期的一过程安全视角也指出，检索、文档解释和辅助危害分析是相关的基础模型应用，同时强调了验证和人工监督的重要性（Yang等人, 2026）。这些研究展示了在语义提取、知识检索和定性或结构化辅助方面的进展。它们并不能证明不受约束的语言模型生成能够在不同的热力学状态下复现确定性的源项方程和数值结果。

更广泛的化学和数学基准的证据支持了这一区分。ChemBench发现，强大的语言模型可以在许多化学问题上表现良好，但仍然无法完成基本任务并且表达的信心校准不佳（Mirza等人, 2025）。LabSafetyBench也报告了与安全相关的危害识别方面的局限性（Zhou等人, 2024）。Transformer模型在需要系统性多步执行的综合任务中表现出困难（Dziri等人, 2023）。GSM Symbolic进一步展示了在底层解题结构不变的情况下，对数值变化和不相关条款的敏感性（Mirzadeh等人, 2025）。这些发现并不排除语言模型在定量工程中的应用。它们表明，流畅的推理轨迹不足以证明数值的正确性。

在此背景下，本基准识别了直接在语言模型中进行源项计算时反复出现的五种响应模式。极端状态理想化是指在极端参数范围内忽略了边界条件的影响。状态解耦是指模型识别了流动状态，但随后应用了不兼容的方程。计算幻觉是指看似合理的推导中遗漏或误用了数学运算符。热力学幻觉是指从不兼容的状态中构建混合方程。定性回避是指将所请求的计算替换为一般的安全评论。这些类别描述了本基准中观察到的输出，并非对模型行为的全部描述。

工具增强的智能体架构提供了一种将语言理解与精确执行分离的方式。ReAct和Toolformer允许语言模型调用外部动作或工具（Yao等人, 2023; Schick等人, 2023），ChemCrow展示了在化学中使用专家设计的工具和编码安全措施（Bran等人, 2024）。在过程安全领域，语义解释与源项计算之间的边界尚未在液体、气体和闪蒸释放状态之间进行系统评估。这一差距促使设计一种聚焦的架构，其中语言模型准备经过验证的输入，但不生成控制方程或最终的数值释放速率。

本研究有三个目标。第一，表征原生语言模型直接进行源项计算时观察到的响应模式。第二，实现STEM-Agent，将基于语言模型的参数提取连接到Pydantic数据契约和编码的物理引擎。第三，比较15个泄漏场景下的准确性和重复运行的变异性。贡献在于一种可审计的编排和验证架构。它不是新的后果模型，也不旨在取代既有的商业软件包。评估的输出仅为源项。事件频率以及下游扩散、火灾、爆炸、毒性、脆弱性和风险整合超出了实验范围。

章节摘要

自回归模型的认识论局限

基于Transformer的语言模型生成标记序列而非执行保证性的数值算法（Vaswani等人, 2017）。尽管提示和面向推理的训练可以改善性能，但综合性基准表明对问题结构、数值替换和不相关信息的敏感性（Dziri等人, 2023; Mirzadeh等人, 2025）。对于源项计算而言，这一区别促使其评估答案准确性、方程选择和运算符

实验设计与评估方案

仅依赖单一维度的测试无法揭示LLM在变化的物理边界条件下所暴露的结构性漏洞。因此，我们构建了一个综合的实验矩阵，包含基于TNO黄皮书（TNO, 1997）的15个核心化学品释放场景

结果与讨论

在15个案例的基准测试中，无辅助的语言模型计算在准确性和可重复性方面都不如与确定性源项引擎连接的相同语义模型。以下结果仅限于此比较，并不能验证完整的QRA工作流程。

结论

本研究提出了STEM-Agent，一种基于LangGraph的架构，将语言模型辅助的参数提取与编码的源项计算分离开来。评估覆盖了基于TNO和CCPS指南的15个释放场景以及375次模型运行，涵盖了不可压缩液体、可压缩气体和两相闪蒸状态。本研究仅针对后果分析的源项组件。它不评估事件频率分析、下游扩散或效应模型，

CRediT作者贡献声明

胡辉（Hui Hu）：验证、调查。王阳（Wangyang Wang）：验证。赵晨尧（Chenyao Zhao）：撰写–初稿、调查、形式分析、数据整理。张宾（Bin Zhang）：指导、资源、资金获取、概念化。Nitin Roy：撰写–审阅与编辑、方法学

利益冲突

作者声明，他们没有已知的竞争性财务利益或个人关系可能影响本文所报告的研究。

竞争性利益声明

作者声明，他们没有已知的竞争性财务利益或个人关系可能影响本文所报告的研究。

赵晨尧（Chenyao Zhao）| 王阳（Wangyang Wang）| 胡辉（Hui Hu）| Nitin Roy | 张宾（Bin Zhang）

中国南京工业大学国际化工过程安全中心，南京 211816