Tackling One Health Risks: How Large Language Models are leveraged for Risk Negotiation and Consensus-building

📄 arXiv: 2509.09906v1 📥 PDF

作者: Alexandra Fetsch, Iurii Savvateev, Racem Ben Romdhane, Martin Wiedmann, Artemiy Dimov, Maciej Durkalec, Josef Teichmann, Jakob Zinsstag, Konstantinos Koutsoumanis, Andreja Rajkovic, Jason Mann, Mauro Tonolla, Monika Ehling-Schulz, Matthias Filter, Sophia Johler

分类: cs.MA, cs.AI

发布日期: 2025-09-12

💡 一句话要点

利用大型语言模型进行风险协商与共识构建，应对“同一个健康”风险

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 大型语言模型 风险协商 共识构建 同一个健康 AI辅助决策

📋 核心要点

  1. 传统风险分析框架简化复杂性，导致跨部门协作不足，难以应对复杂的“同一个健康”风险。
  2. 提出AI辅助协商框架，利用大型语言模型和AI代理模拟协商，预测妥协方案，评估解决方案影响。
  3. 在生物农药使用和野生动物种群控制两个实际场景验证了框架的有效性，并提供开源、可定制的解决方案。

📝 摘要（中文）

当前全球性挑战具有复杂的相互依赖性，需要综合、参与式的努力才能有效解决。传统的风险分析框架通常为了便于管理而简化复杂性，形成信息孤岛，阻碍了全面解决方案的产生。本研究提出了一个AI辅助的协商框架，该框架将大型语言模型（LLM）和基于AI的自主代理集成到以协商为中心的风险分析工作流程中。该框架使利益相关者能够模拟协商过程，系统地建模动态，预测妥协方案，并评估解决方案的影响。通过利用LLM的语义分析能力，可以缓解信息过载，并在时间限制下增强决策过程。在两个真实场景中进行了概念验证：(i) 生物农药的谨慎使用，以及(ii) 有针对性的野生动物种群控制。该研究展示了AI辅助协商在解决当前跨部门参与工具不足方面的潜力。重要的是，该解决方案的开源、基于Web的设计，适合资源有限的更广泛受众应用，并允许用户根据自己的需求进行定制和开发。

🔬 方法详解

问题定义：论文旨在解决在应对“同一个健康”风险时，由于跨部门协作不足和信息过载导致的决策困难问题。现有风险分析方法通常过于简化，无法有效整合不同利益相关者的观点，导致难以达成共识和制定全面的解决方案。

核心思路：论文的核心思路是利用大型语言模型（LLM）的语义理解和生成能力，构建一个AI辅助的协商框架。该框架通过模拟协商过程，帮助利益相关者更好地理解彼此的立场，预测可能的妥协方案，并评估不同解决方案的影响，从而促进跨部门的合作和共识的达成。

技术框架：该框架包含以下主要模块：1) 利益相关者信息收集与建模：收集各利益相关者的目标、偏好和约束条件，并将其转化为AI代理可以理解的形式。2) 基于LLM的协商模拟：利用LLM生成协商对话，模拟不同利益相关者之间的互动。3) 妥协方案预测与评估：分析协商对话，预测可能的妥协方案，并评估其对各利益相关者的影响。4) 解决方案推荐：根据评估结果，向利益相关者推荐最佳解决方案。整个流程以Web界面呈现，方便用户操作。

关键创新：该论文的关键创新在于将大型语言模型应用于风险协商领域，并构建了一个完整的AI辅助协商框架。与传统的风险分析方法相比，该框架能够更好地处理复杂性，整合不同利益相关者的观点，并促进跨部门的合作。此外，该框架的开源和可定制性也使其更易于推广和应用。

关键设计：框架的关键设计包括：1) 使用预训练的LLM作为协商对话生成的基础模型，并针对特定领域的数据进行微调。2) 设计了一种基于规则和机器学习的混合方法，用于预测妥协方案。3) 开发了一个用户友好的Web界面，方便利益相关者参与协商过程。

📊 实验亮点

该研究在生物农药使用和野生动物种群控制两个实际场景中进行了概念验证。结果表明，该AI辅助协商框架能够帮助利益相关者更好地理解彼此的立场，预测可能的妥协方案，并评估不同解决方案的影响。具体性能数据未知，但研究强调了该框架在促进跨部门合作和提高决策效率方面的潜力。

🎯 应用场景

该研究成果可应用于各种涉及复杂风险和多方利益相关者的场景，例如公共卫生政策制定、环境保护、食品安全监管等。通过AI辅助协商，可以促进跨部门的合作，提高决策效率，并制定更有效的解决方案，从而应对“同一个健康”风险带来的挑战。

📄 摘要（原文）

Key global challenges of our times are characterized by complex interdependencies and can only be effectively addressed through an integrated, participatory effort. Conventional risk analysis frameworks often reduce complexity to ensure manageability, creating silos that hinder comprehensive solutions. A fundamental shift towards holistic strategies is essential to enable effective negotiations between different sectors and to balance the competing interests of stakeholders. However, achieving this balance is often hindered by limited time, vast amounts of information, and the complexity of integrating diverse perspectives. This study presents an AI-assisted negotiation framework that incorporates large language models (LLMs) and AI-based autonomous agents into a negotiation-centered risk analysis workflow. The framework enables stakeholders to simulate negotiations, systematically model dynamics, anticipate compromises, and evaluate solution impacts. By leveraging LLMs' semantic analysis capabilities we could mitigate information overload and augment decision-making process under time constraints. Proof-of-concept implementations were conducted in two real-world scenarios: (i) prudent use of a biopesticide, and (ii) targeted wild animal population control. Our work demonstrates the potential of AI-assisted negotiation to address the current lack of tools for cross-sectoral engagement. Importantly, the solution's open source, web based design, suits for application by a broader audience with limited resources and enables users to tailor and develop it for their own needs.