面向数据治理的可争议智能体：在结构化与非结构化系统中记录人工对 AI 生成元数据的审查历史

问题

工业现场的知识分散在遥测数据、点位列表等结构化数据以及手册、服务记录等非结构化文档中。对这些知识进行分类和关联依赖少数专家。LLM 智能体可以提出元数据建议，但如果不经审查就直接采纳，错误会扩散到下游系统。如果一键批准，就不会留下审查者确认了哪些内容的记录。如果审查者的修改只留在邮件或工单中，智能体会重复同样的错误。

方法

将“可争议治理（Contestable Governance）”提出为一个四步工作流。(1) 分析器收集候选项、相关文档、术语表以及过去经验证的决策（先例）。(2) 分工不同的专业智能体提出附有出处的支持和反驳论证，并用 QBAF（定量双极论证框架）计算分数。(3) Steward 接受、拒绝、修改或补充论证后，重新计算分数。(4) 选出分数最高的候选项，并将依据、论证、干预历史和结果存入治理记录。带版本管理的领域术语表为智能体提供按设备和修订版本区分的缩写定义。高置信度的建议会进入跳过完整论证的 Triage 路径，但仍保留提交前的审查。在经验证的决策中选取哪些作为先例，由单独的关卡控制。记录以 MongoDB 文档形式存储，凭一个会话 ID 即可通过一次查询获取决策的完整血缘（Lineage）。

结果

• 用两个 HVAC 案例说明了该模式：一个是用 Brick Schema 类对点位进行分类的案例（提供开放参考实现），另一个是将保修索赔字段和遥测数据与服务记录、修订通知相关联以判断故障类型的示例案例。
• 在保修示例中，α=0.3，迭代更新 10 次后，相邻两次迭代之间的最大变化量为 3.20×10⁻⁷。作者报告称，剩余误差以 Raw margin 计不超过 6.85×10⁻⁷，小于比较候选项时使用的小数点后第三位精度。
• 将 α 改为 0.2 和 0.4 后，审查前的胜出者（Sensor）和审查后的胜出者（Linkage）均未改变。作者指出，这只说明该示例的数值稳定性，并不能证明决策的合理性或校准。
• 作者解释说，最终类别由评分引擎而非 Finalizer 选出，因此审计人员无需重新运行模型，仅凭存储的论证即可重新计算和验证结果。

局限

这是一篇没有定量效果评估的设计提案论文。保修案例是合成示例，论证的基础分数由作者为说明而设定，没有使用评分细则或校准。评分规则（Signed-sum logistic）和 α=0.3 并非基于性能依据选定，作者表示需要对照加权双极论证的公理进行检验。在参考实现中，撰写论证的智能体也负责给出基础分数。Triage 使 LLM 调用减少 72.7% 等引用数字来自其他实验，并非对该工作流的测量值。决策质量是否真正提升，需要通过独立评判来验证。

意义

对于希望用 LLM 智能体自动生成数据目录元数据的组织，本文提供了具体的设计指导。它展示了如何让人工批准不流于形式上的点击，并把谁基于什么依据做出决定保存为可审计的数据。在设备和文档版本频繁变化的制造现场，可借此降低错误分类演变为远程诊断错误的风险。

关键术语

Contestability（可争议性）

指在 AI 输出最终确定之前，有资格的人可以反驳其推理，且这一干预会保留在决策记录中的特性。

QBAF(Quantitative Bipolar Argumentation Framework)

一种论证框架，论证之间建立支持或攻击关系，并为每个论证赋予数值强度。通过迭代反映相邻论证的强度来计算最终分数。

Data Steward

负责特定数据领域的定义、分类和质量的人员。在本文中，指审查智能体建议并决定是否提交的人。

Brick Schema

用于描述建筑设备、传感器点位及其关系的公共本体。用于将各厂商不同的点位名称映射到标准类别。

原文

• arXiv 摘要页
• PDF
• HTML 全文
• Hugging Face

作者: Humza Akhtar, Brian Freeman · 发布 2026-10-22 · 许可 CC BY 4.0 · 基于全文分析

本解读是 AI 阅读论文后撰写的摘要，请以论文原文为准。