面向工业安全生产的检索增强生成方法

摘要

在工业安全管理场景中，法规与风险管控文档结构复杂、专业性强，直接采用大语言模型进行问答易产生幻觉，难以满足安全关键应用需求。为此，本文提出一种面向工业安全的检索增强生成框架(IS-RAG),旨在提升模型回答的可靠性与可控性。该方法通过构建工业安全知识库，采用融合向量检索和关键词检索的混合检索策略，实现语义召回与条款级精确匹配，并结合领域特定的上下文增强与约束生成机制，确保输出结果基于检索证据生成。本实验基于20余份工业安全法规与风险管控文档构建的数据集，并标注150组问答样本进行评估。实验结果表明：IS-RAG在余弦相似度和基于BERT的语义相似度评分(BERTScore)两项指标上整体优于直接大语言模型生成，平均语义相似度提升4.60%,在语义一致性和领域相关性方面表现更为稳定。

关键词

检索增强生成 / 大语言模型 / 混合检索策略 / 知识库构建 / 工业安全