في مجالات عالية المخاطر مثل التحكم في العمليات الصناعية والأنظمة الذاتية، يمثل تحديد المخاطر موضع اهتمام كبير. على الرغم من أن نماذج اللغات الضخمة (Large Language Models - LLMs) أظهرت فعالية في أتمتة مهام تحليل السلامة، إلا أن الاعتماد على استنتاجات سريعة ومفردة (single-turn inference) يعاني من ضعف الثبات. إن هذه الطريقة تفتقر إلى عناصر التصحيح الذاتي والتفكير العميق والتعديل السياقي التي يعتمد عليها مهندسو السلامة بشكل متكرر.

في هذا السياق، تقدم الورقة البحثية مفهوم HAZDIAL، وهو إطار مبتكر يهدف إلى استكشاف كيفية تحسين جودة تحديد المخاطر المعتمدة على معالجة اللغة الطبيعية (NLP) عبر الحوار الهيكلي المتعدد الوكلاء. يتم التركيز على التفاعل في بيئات متعددة الأطراف، سواء من خلال المناقشات العدائية أو النقاشات البنّاءة، مع اقتراح تحسين تفاعلات الوكلاء القائمة على خوارزميات محددة.

تمت مقارنة جميع التكوينات ضد مجموعة بيانات موثوقة باستخدام مقاييس تصنيف قياسية مثل الدقة (accuracy) والدقة الموجبة (precision) والاسترجاع (recall) وF1، بالإضافة إلى مقاييس حوار جديدة. يسهم هذا البحث في تقدم العلاقة بين أنظمة الحوار، والتفكير متعدد الوكلاء، وأمان الذكاء الاصطناعي، مقدماً أدلة تجريبية على فعالية التحليل المرتكز على الحوار في تحديد المخاطر.