Monitoring Critical Infrastructure Facilities During Disasters Using Large Language Models

本文是LLM系列文章，针对《Monitoring Critical Infrastructure Facilities During Disasters Using
Large Language Models》的翻译。

摘要

关键基础设施（CIF），如医疗保健和交通设施，对社区的运作至关重要，特别是在大规模紧急情况下。本文探讨了大型语言模型（LLM）的潜在应用，通过社交媒体网络中传播的信息来监测受自然灾害影响的CIFs的状态。为此，我们分析了来自两个不同国家的两起灾难事件的社交媒体数据，以确定对独立国家中心报告的影响及其影响严重程度和运行状态。我们采用最先进的开源LLM来执行计算任务，包括检索、分类和推理，所有这些都在零样本环境中进行。通过广泛的实验，我们使用标准评估指标报告了这些任务的结果，并揭示了LLM的优缺点。我们注意到，尽管LLM在分类任务中表现良好，但它们在推理任务中遇到了挑战，特别是在上下文/提示复杂冗长的情况下。此外，我们还概述了未来探索的各种潜在方向，这些方向在LLM用于灾难响应任务的初始采用阶段可能是有益的。

1 引言

2 相关工作

3 方法

4 结果

5 讨论

6 局限性和未来工作

7 结论

在这项研究中，我们研究了大型语言模型在大规模灾害期间监测一