LM-DSB: A Lightweight Multi-agent System for Automated Daily Safety Bulletin Generation in Construction

📄 arXiv: 2610.36433v1 📥 PDF

作者: Xianxiang Zhao, Advik Mehta, Falak Sethi, Brian Gue, Qipei Mei, Lingzi Wu

分类: cs.AI

发布日期: 2026-10-27

💡 一句话要点

提出LM-DSB系统以自动生成建筑工地日常安全公报

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

关键词: 建筑安全管理 自动化生成 多代理系统 检索增强生成 大型语言模型 领域特定微调 安全公报

📋 核心要点

  1. 现有手动生成日常安全公报的过程耗时长且质量不稳定，影响安全管理效率。
  2. LM-DSB系统通过多代理架构和检索增强生成技术，实现了日常安全公报的自动化生成。
  3. 实验结果表明，LM-DSB在生成质量上显著优于单代理系统，且在专家评估中获得了较高的可接受性评分。

📝 摘要（中文）

建筑安全管理在生成日常安全公报（DSBs）方面仍面临挑战，手动创建过程耗时2-3小时且质量不一致，导致25%的团队未进行任务前规划。本文提出轻量级多代理DSB系统（LM-DSB），结合检索增强生成（RAG）与本地可部署的大型语言模型（LLM），实现自动化的DSB生成。LM-DSB通过层次化架构协调规划者、研究者和写作代理，并在建筑安全文档上进行领域特定的微调。验证结果显示，该系统在生成质量和实际可接受性方面均优于其他配置，推动了建筑安全管理技术的民主化。未来工作应关注多模态集成和工作流程的采用。

🔬 方法详解

问题定义：本文旨在解决建筑工地日常安全公报（DSBs）手动生成过程中的时间消耗和质量不一致问题。现有方法导致安全人员无法有效监督现场，且25%的团队未进行必要的任务前规划。

核心思路：LM-DSB系统通过集成检索增强生成（RAG）与本地部署的大型语言模型（LLM），实现了日常安全公报的自动化生成，减少了人工干预，提高了生成效率和质量。

技术框架：该系统采用层次化的多代理架构，包括专门的规划者、研究者和写作代理。通过对37份健康、安全和环境（HSE）文档的领域特定微调，增强了生成内容的准确性和相关性。

关键创新：LM-DSB的主要创新在于其轻量级设计，使得系统能够在消费级个人电脑上运行，同时实现高质量的安全公报生成。这一设计与传统的重型模型相比，具有更好的可用性和可扩展性。

关键设计：系统中的关键参数包括多代理的协同工作机制和领域特定的微调策略。损失函数和网络结构经过优化，以确保生成内容的连贯性和准确性。

📊 实验亮点

实验结果显示，LM-DSB系统在生成质量上显著优于所有替代配置，具体表现为TF-IDF得分0.70，BLEU得分0.39，ROUGE-1得分0.66，且生成文档的长度比率为1.01，相较于单代理RAG的0.39有显著提升。此外，专家评估的平均评分在3.50至4.20之间，尤其在合规性和事实准确性方面表现突出。

🎯 应用场景

LM-DSB系统具有广泛的应用潜力，尤其在建筑行业的安全管理中，可以显著提高日常安全公报的生成效率和质量。通过自动化流程，安全人员可以将更多时间投入到现场监督和风险评估中，进而提升整体安全管理水平。未来，该系统还可扩展至其他行业的安全管理和合规性检查中。

📄 摘要（原文）

Construction safety management still struggles to produce daily safety bulletins (DSBs), structured daily communications that identify site-specific hazards, convey safety protocols, and set preventive measures for workers. Manual DSB creation takes 2-3 hours daily and yields inconsistent quality, with 25% of crews never conducting pretask planning (Olson et al., 2016), diverting safety personnel from field supervision. This study proposes the Lightweight Multi-Agent DSB System (LM-DSB), which integrates retrieval-augmented generation (RAG) with a locally deployable Large Language Model (LLM) to automate DSB generation on consumer-grade personal computers. LM-DSB coordinates specialized planner, researcher, and writer agents in a hierarchical architecture, enhanced by domain-specific fine-tuning on construction safety documentation and RAG grounding in 37 health, safety, and environment (HSE) documents. A two-phase validation assessed feasibility. Phase 1 comparative evaluation showed the multi-agent RAG system (Llama 3-8B) outperformed all alternative configurations, with strong lexical alignment and coherence (TF-IDF: 0.70, BLEU: 0.39, ROUGE-1: 0.66) and near-complete document generation (length ratio: 1.01 vs. 0.39 for single-agent RAG). Phase 2 expert evaluation (N=40) confirmed practical acceptability (mean scores 3.50-4.20 on a 5-point scale), particularly in regulatory compliance (4.20) and factual accuracy (4.10). The findings show that architectural design enables lightweight models to handle safety-critical documentation on consumer-grade hardware, advancing technology democratization in construction safety management. Limitations include knowledge base scope, language constraints, and lack of field deployment validation; future work should address multimodal integration and workflow adoption.