AI Loss of Control Incident Management: Response & Resilience
Wichita State University（威斯康星州立大学）
针对AI失控事件管理的研究空白，本文提出一个基础框架和分类法，将失控场景分为“极其昂贵”和“不可能”两类，并分别给出韧性投资和主动事件管理（包含遏制与威胁中和）的应对策略。
2026-05-28 cs.AI cs.CY
Uncertainty Weighted Causal Graphs
Universidad Autónoma de Madrid（马德里自治大学）；Escuela Técnica Superior de Ingeniería ICAI, Universidad Pontificia Comillas（科米亚斯主教大学ICAI高等工程技术学院）；Universidad de Santiago de Compostela（圣地亚哥德孔波斯特拉大学）；Universidad de Castilla La Mancha（卡斯蒂利亚-拉曼恰大学）
因果关系传统上是通过将原因与结果联系起来来产生知识的科学方法。从形象学的角度来看，因果图是表示和推断新的因果信息的有用工具。在以前的作品中，我们已经自动生成的因果关系图相关联的一个给定的概念，通过分析文件集和提取和表示发现的因果信息，在视觉上的方式。检索到的信息表明，因果关系往往是不完美的，而不是准确的，由图收集的功能。在这项工作中，我们将尝试通过概率改进引用图中不精确性的管理来进一步建模图中的不确定性。
2020-02-06 cs.AI
A Framework for Knowledge Management and Automated Reasoning Applied on Intelligent Transport Systems
Ericsson Research（爱立信研究院）
一般来说，网络物理系统，特别是智能交通系统（ITS）使用异构数据源与解决问题的专业知识相结合，以便做出可能导致某种形式的行动的关键决策，例如，驾驶员通知，交通灯信号的改变和制动，以防止事故。目前，决策过程的主要部分是由人类领域的专家，这是耗时，繁琐和容易出错。此外，由于知识拥有的固有性质，这种决策过程不能轻易复制或重复使用。因此，需要通过向计算系统提供领域知识的正式表示和处理该知识的一组方法来自动化推理过程。在本文中，我们提出了一个知识模型，可以用来表达两个声明性的知识系统的组件，它们的关系和它们的当前状态，以及程序知识表示可能的系统行为。此外，我们介绍了一个框架的知识管理和自动推理（KMARF）。KMARF背后的思想是基于知识库中的形式化推理专业知识自动选择适当的问题求解器，并将问题定义转换为相应的格式。这种方法可以自动推理，从而降低运营成本，并实现跨不同领域的知识和方法的可重用性。我们说明了交通规划用例的方法。
2017-01-11 cs.AI
Representing, Simulating and Analysing Ho Chi Minh City Tsunami Plan by Means of Process Models
Toulouse 1 University（图卢兹第一大学）；IRIT Laboratory（图卢兹计算机研究所）；UCBN（卡昂-诺曼底大学）；IRD（法国发展研究院）；UPMC（皮埃尔与玛丽·居里大学）；Vietnam National University（越南国家大学）；MSI/IFI
本文认为，文本计划（指导方针）提出的人民委员会的胡志明市（越南）管理地震和海啸，并试图表示它在一个更正式的方式，以提供手段来模拟，分析和调整it.We首先提出了一个国家的艺术灾害管理的协调模型，重点是面向过程的方法。我们给出了一个概述的不同层面的文本海啸计划的胡志明市，然后其过程与BPMN（业务流程模型和符号）的图形表示。最后，我们展示了如何利用这个过程中的工作流工具来模拟（YAWL工具）和分析它（ProM工具）。
2013-12-21 cs.AI cs.CY
KRM-based Dialogue Management
Hisense Corp（海信集团）；Qingdao Institute of Beihang University（北京航空航天大学青岛研究院）；Institute of Software Chinese Academy of Sciences（中国科学院软件研究所）
为了实现复杂场景下的人机对话系统，提出了一种基于知识模型的对话管理方法。基于知识模型的数据挖掘具有良好的描述能力，能够保证对话过程的逻辑性。然后介绍了物联网行业中一个复杂的应用场景，以及基于KRM的DM实现的对话系统，该系统允许企业客户自定义话题，并在与用户交互过程中适配相应的话题。实验结果表明，该系统能够很好地完成交互任务，并能有效地解决主题切换、主题间信息继承、优势度变化等问题。
2019-12-02 cs.AI cs.HC
Scenario-based Thermal Management Parametrization Through Deep Reinforcement Learning
Porsche Engineering Group GmbH（保时捷工程集团有限公司）；Dr. Ing. h.c. F. Porsche AG（保时捷股份公司）；RWTH Aachen（亚琛工业大学）
针对热管理控制器参数化耗时费力的问题，提出利用自动场景生成与图像化参数表示的深度强化学习整定方法，并经实车验证达到基线性能。
2024-08-04 cs.AI cs.CE cs.LG
DisastIR: A Comprehensive Information Retrieval Benchmark for Disaster Management
Texas A&M University（德克萨斯大学）；University of Toronto（多伦多大学）
本文提出首个面向灾害管理的综合信息检索基准DisastIR，包含9,600个查询和130万标注对，覆盖48个任务，并通过评估30个检索模型揭示了通用模型在灾害场景中的性能差距。
2025-09-20 cs.AI cs.IR
Predictive Collision Management for Time and Risk Dependent Path Planning
LMU Munich（慕尼黑大学）
自动驾驶汽车或包裹机器人等自主智能体需要识别并避免可能与障碍物发生碰撞，以便在其环境中成功移动。然而，人类已经学会了凭直觉预测运动，并以前瞻性的方式避开障碍物。避碰任务可以分为全局和局部两个层次。关于全球层面，我们提出了一种方法，称为“预测碰撞管理路径规划”（PCMP）。在地方一级，使用避免碰撞的解决方案，以防止不可避免的碰撞。因此，PCMP的目的是使用预测碰撞管理来避免不必要的局部碰撞场景。PCMP是一种基于图的算法，其重点在于由三个部分组成的时间维度：（1）运动预测，（2）将运动预测集成到时间相关图中，以及（3）时间和风险相关路径规划。该算法结合了搜索最短路径的问题：绕道值得避免可能的碰撞情况？我们在不同的模拟场景中评估了规避行为，结果表明，风险敏感的代理可以避免47.3%的碰撞场景，而绕道1.3%。一个规避风险的代理避免了高达97.3%的碰撞场景，绕道39.1%。因此，一个代理的规避行为可以控制主动和风险依赖于使用PCMP。
2020-11-26 cs.AI cs.LG cs.RO
A Distributed Approach to Autonomous Intersection Management via Multi-Agent Reinforcement Learning
University of Padova（帕多瓦大学）
针对自主交叉路口管理（AIM）依赖昂贵集中式服务器的问题，提出一种基于多智能体强化学习（MARL）和3D环视技术的分布式方法，并引入优先场景回放策略提升训练效率，在SMARTS平台上验证了其优于基准的性能。
2024-09-24 cs.AI cs.RO
A Learning Based Framework for Handling Uncertain Lead Times in Multi-Product Inventory Management
TCS Research（塔塔咨询服务公司研究院）；IIT Bombay（印度理工学院孟买分校）
现有的供应链和库存管理的文献大多考虑随机需求过程的零或常数提前期。虽然这是事实，在某些利基方案，在前置时间的不确定性可以忽略不计，大多数现实世界的情况下表现出随机性的前置时间。这些随机波动可能是由于原材料到达制造商终端的不确定性、运输延迟、不可预见的需求激增以及转向不同的供应商等原因造成的。随机提前期是众所周知的，严重降低库存管理系统的性能，它是唯一公平的，通过一个原则性的方法来缩短供应链系统中的这一差距。受最近引入的延迟分辨深度Q学习（DRDQN）算法的启发，本文开发了一种基于强化学习的范式，用于处理提前期的不确定性（\emph{action delay}）。通过实证分析，进一步证明了提前期不确定的库存管理不仅等价于多层次信息共享延迟（\emph{observation delay}），而且训练好的模型可以处理一种延迟，而不需要重新训练。最后，我们应用延迟解决框架的情况下，包括多个产品的随机性在交货期，并阐明延迟解决框架如何否定任何延迟的影响，以达到接近最优的性能。
2022-03-09 cs.AI cs.LG math.OC
Digital-Twin-Based Improvements to Diagnosis, Prognosis, Strategy Assessment, and Discrepancy Checking in a Nearly Autonomous Management and Control System
North Carolina State University（北卡罗来纳州立大学）；Idaho National Laboratory（爱达荷国家实验室）；Zachry Nuclear Engineering, Inc.（扎克里核工程公司）
近自主管理和控制系统（NAMAC）是一个综合控制系统，通过在广泛的情况下向操作员提供控制建议来协助工厂操作。本研究改进了NAMAC系统，在复杂的损失流量的情况下，合理的建议与验证的实验增殖反应堆II模拟器，数字孪生改进的机器学习算法，多属性决策方案，并确定意外的建议效果的差异检查。我们评估了每个NAMAC组件的性能，同时我们展示和评估了NAMAC在一类流量损失情况下的能力。
2021-05-23 cs.AI cs.SY eess.SY
Integrating Pre-trained Model into Rule-based Dialogue Management
Microsoft（微软）
基于规则的对话管理由于其可解释性仍然是工业面向任务的对话系统最流行的解决方案。然而，当场景变得越来越复杂时，开发人员很难保持对话逻辑。另一方面，数据驱动的对话系统，通常具有端到端的结构，在学术研究中很受欢迎，并且更容易处理复杂的会话，但是这样的方法需要大量的训练数据，并且行为的可解释性较差。在本文中，我们提出了一种方法，利用基于规则和数据驱动的对话管理器（DM）的力量。本文首先介绍了Carina Dialog System（CDS，一个先进的工业对话系统）中的数据模型。然后，我们提出了“模型触发器”的设计，使DM可训练，从而可扩展到场景的变化。此外，我们集成了预先训练的模型，并赋予DM Few-Shot能力。实验结果证明了该方法的有效性和较强的Few-Shot能力。
2021-02-17 cs.AI cs.CL
Beyond Words: How Large Language Models Perform in Quantitative Management Problem-Solving
本研究通过900个响应评估五个大型语言模型在零样本定量管理决策中的表现，发现场景复杂度显著影响准确性（仅28.8%完全正确），而呈现格式无显著影响，且无跨迭代学习效应，模型间存在显著差异。
2025-02-23 cs.AI cs.CL cs.LG
Structured AI Decision-Making in Disaster Management
针对安全关键领域AI自主决策的伦理与可靠性需求，本文提出灾害管理场景下的结构化决策框架，引入Enabler智能体等概念，实验证明其稳定性与准确率均优于传统判断系统和有经验的人类操作者。
2025-09-01 cs.AI cs.CY cs.SY
