精选9天前0 投票
大语言模型如何重塑空中交通管制：提示工程、架构与评估
空中交通管制（ATC）通信是安全攸关的对话，尽管空中交通管理的其他部分已实现半自动化，但这一环节仍主要依赖人类。近期，一篇来自arXiv的论文（编号2608.19299）探讨了大语言模型（LLM）能否生成操作上逼真的ATC指令。研究者以旧金山“海湾之旅”航线的一次实验性通用航空飞行为基础，手工转录真实对话作为地面真值（P0），并设计了五种约束程度递增的提示结构（P1-P5），嵌入到有状态的多轮对话管线中，让模型扮演管制员，与固定的飞行员脚本交互，同时利用累积的对话历史进行条件生成。研究涵盖了九种开源和闭源LLM，并系统性地变化提示、是否提供来自另一架实验飞行的完整转录作为上下文示例，以及模型是基于自身先前回复还是注入地面真值历史进行条件生成。评估采用词汇、结构和语义相似度指标，并利用经人类专家标注验证的LLM-as-judge（GPT-5.5）进行打分。结果显示，提供工作示例能改善相似度，但收紧提示并未带来收益：最轻量的提示表现最佳，而最严格脚本化的提示因自身错误在对话中累积而崩溃，注入正确历史可修复此问题。这些结果为LLM辅助空中交通管制描绘了一条具体路径及其当前局限。该研究为AI在航空安全关键领域的应用提供了重要参考，但距离实际部署仍有距离。
