KRAIL: A Knowledge-Driven Framework for Base Human Reliability Analysis Integrating IDHEAS

本文是LLM系列文章，针对《KRAIL: A Knowledge-Driven Framework for Base Human Reliability Analysis Integrating IDHEAS and Large Language Models》的翻译。

摘要

人的可靠性分析（HRA）对于评估和提高复杂系统的安全性至关重要。最近的努力集中在估计人为错误概率（HEP）上，但现有的方法往往严重依赖于专家知识，这可能是主观和耗时的。受大型语言模型（LLMs）在自然语言处理中的成功启发，本文介绍了一种新的两阶段知识驱动可靠性分析框架，该框架集成了IDHEAS和LLMs（KRAIL）。这一创新框架实现了基本HEP值的半自动计算。此外，知识图被用作检索增强生成（RAG）的一种形式，以增强框架高效检索和处理相关数据的能力。实验是在权威的人类可靠性数据集上系统地进行和评估的。所提出方法的实验结果表明，在部分信息下，该方法在基于HEP估计的可靠性评估方面具有优越的性能。

1 引言

2 文献综述

3 方法

4 实验结果

5 结论和未来工作