NASA Ames研究人员提出基于大语言模型的航空决策支持系统，工具选择准确率最高达100%

NASA Ames Research Center 的研究人员提出了一种基于大语言模型的系统，用于支持航空运营中的决策制定，尤其针对随着空中出租车和配送无人机等先进空中交通技术日益普及而变得更加复杂的空域管理。该系统由 Aida Sharif Rohani、Stephen S. Clarke 和 Aditya Das 撰写，能够解析用户的自然语言查询，并将其路由至经过验证的航空专家工具，包括轨迹预测模型、跑道配置模型以及交通管理倡议(Traffic Management Initiative)预测模型，并利用实时数据源。将大语言模型的输出建立在经过领域验证的工具之上，而非依赖通用语言生成，旨在降低产生幻觉的风险。

该系统在一个包含 1,000 条人工撰写并经核实的航空查询数据集上进行了评估，这些查询涵盖九种工具和五个问题类别，其中包括边缘案例以及刻意设置的错误工具提示。使用 GPT-4o 和 GPT-4o-mini 进行的测试显示，在全部九种工具上的工具选择准确率介于 86% 到 100% 之间，并在一个留出测试集上得到了验证。

这篇论文于 2026 年 2 月 11 日收稿，并于 2026 年 9 月 14 日发表，文中指出，美国联邦航空局(FAA) 目前的指导方针要求在投入运营前采取渐进式人工智能部署并进行严格的输出验证。研究人员发现，来自专业人员的航空查询往往表述不完整，常使用省略必要参数的行业简略说法，这就要求系统能够处理多轮澄清对话，而不是依赖默认假设。