Agentic Retrieval-Augmented Generation for Verifiable Regulatory Compliance in Urban Cyber-Physical Systems
本文提出了一种“验证优先”的智能体 RAG 框架，该框架通过集成确定性验证智能体来确保城市网络物理系统的监管准确性并防止幻觉，证明了其在废止检测和合规推理方面较现有方法具有更优越的性能。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
城市正日益成为复杂的有机体，其物理基础设施（如道路和水管）与传感器、软件及人工智能构成的数字网络深度交织。这些互联系统被称为“城市网络物理系统”（urban cyber-physical systems），有望使我们的城市变得更加可持续且更具韧性。它们可以实时监测空气质量、优化能源使用，并以一种曾经无法想象的智能水平来管理交通流量。然而，随着这些“数字大脑”变得愈发强大，它们也必须在错综复杂的规则迷宫中穿行。每座城市都在一套密集的环境法、安全规范和规划条例的约束下运行，这些规则变化频繁且因地而异。为了让城市安全且合法地运作，其自动化系统不仅必须理解这些规则，还必须准确知晓当前生效的是哪一个版本的规则。如果一个系统依赖于过时的法律或不再适用于特定社区的法规，其后果可能从资源利用效率低下，演变为破坏公众信任的严重法律违规行为。
挑战在于如何教计算机对这些法律进行推理。近年来，一种被称为“检索增强生成”（retrieval-augmented generation）的技术已成为应对这一任务的强大工具。想象一下，一台计算机可以瞬间搜索数百万份法律文件以寻找问题的答案，然后根据它所找到的内容写出一篇清晰的解释。这种方法展现出了巨大的潜力，但它存在一个致命缺陷：计算机往往无法区分哪些法律目前仍然有效，哪些是在多年前被取代的。由于旧法与新法的措辞往往非常相似，系统可能会自信地引用一条已被废止的规则，从而导致危险或错误的建议。在智能城市背景下，这尤其危险，因为涉及基础设施和公共安全的决策必须绝对可靠。
约克圣约翰大学（York St John University）的研究人员开发出一种新方法来解决这个问题，他们创建了一个在尝试生成答案之前就优先进行验证的系统。研究人员并没有让人工智能去“猜测”哪些法律是有效的，而是构建了一个充当严格审计员的框架。该系统首先搜索相关的法规，但在允许主 AI 撰写回复之前，一个独立的、专门的组件会检查它找到的每一份文件的法律状态。该组件会查看特定的元数据，例如法律通过的日期以及是否有更新的版本正式取代了它。它扮演着“守门人”的角色，确保只有当前有效的、具有法律约束力的且适用的法规被用于形成最终建议。如果系统无法找到有效且最新的规则，它的设计初衷是承认自己不知道，而不是编造答案。
在研究中，研究人员使用一系列真实的欧洲法规和国际标准，将这种新框架与几种现有方法进行了对比测试。他们设计了 78 个特定的问题来“刁难”这些系统，其中包括一些旧法与新法几乎完全相同的场景。结果显示，这种“验证先行”的新型系统在识别过时规则方面表现得远为优越。它正确识别了被取代的法规，准确率达到了 88%，这比其他难以检测此类变化且经常依赖过时信息的现有方法有了显著提升。该系统在确定规则是否适用于特定管辖区方面也表现出了极高的准确性，避免了引用错误地区法律的常见错误。
或许最重要的一点是，该系统并未为了增加这一层安全性而牺牲速度或效率。虽然检查每一份文件会增加一个步骤，但研究人员发现，该系统的运行速度足以满足现实世界城市管理的实际需求。它处理查询的速度与测试的其他先进方法相比具有竞争力，在某些情况下甚至更快。研究表明，通过将“寻找信息”的任务与“验证其法律有效性”的任务分离，该系统能够提供可靠、透明且可审计的建议。这意味着城市规划者和自动化系统可以更有信心地依赖输出结果，因为他们知道这些建议是基于现行有效的法律。
研究人员强调，这种方法代表了我们在构建高风险环境下人工智能方式上的转变。与其依赖人工智能直觉式地理解复杂且不断变化的法律景观，不如使用一种确定性的、基于规则的检查，在任何推理发生之前先确认事实。这确保了最终的输出不仅仅是一个听起来流利的段落，而是一个在法律上站得住脚的建议。虽然目前的测试侧重于欧洲法规，但该框架旨在适应其他法律体系和管辖区。研究结论指出，要让智能城市真正实现可持续发展并赢得信任，其数字决策者必须配备这种严密的验证机制，以确保引导我们城市未来的法律始终是最新、准确且适用的。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。