基于LLM的交通事故諮詢助理

EasyChair Preprint 15275

Abstract

本 研 究 提 出 了 一 個 基 於 大 型 語 言 模 型（LLM） 的 交 通 事 故 陳 述 記 錄 助 理 系 統（CCG），旨在協助車禍當事人釐清事故經過，減輕警方與保險專員詢問的負擔。CCG 系統的核心設計包括三個主要模組：提問模組、資訊擷取模組和事故經過生成模組。提問模組利用預設的問題模板引導用戶提供完整資訊；資訊擷取模組將用戶回答準確擷取至預先定義的資訊儲存格式（TARF）中；事故經過生成模組則將結構化資料轉化為連貫的事故敘述。這種模組化設計實現了高效、準確的事故資料收集和處理。實驗結果顯示，CCG 系統在人工評估中F1 分數達到 0.909，在 LLM 對話評估中準確性和完整性評分均達到 10 分中的 7分以上。我們同時採用人工評估和 LLM自動評估方法，驗證了系統在實際應用中的有效性。這些結果證明 CCG 系統具有良好的實用性和應用前景，能夠協助事故當事人精確記錄所提供的資訊，為後續的法律程序和保險理賠提供可靠依據。

Keyphrases: 交通事故, 大型語言模型, 對話系統, 資訊擷取

@booklet{EasyChair:15275,
  author    = {Jo-Chi Kung and Chia-Hui Chang and Huai-Hsuan Huang and Kuo-Chun Chien},
  title     = {Collision Care Guide Based on Large Language Models},
  howpublished = {EasyChair Preprint 15275},
  year      = {EasyChair, 2024}}