12:54arXiv cs.AI@Truong Thanh Hung Nguyen, Khanh Van Quynh Nguyen, Hoang-Loc Cao, Tri Duong, Phuc Ho, Van Pham, Loc Nguyen, Hung Cao这篇论文提出一种基于共识的智能体大语言模型(LLM)框架,专为加拿大10位HTS代码分类设计。框架集成了多智能体信息检索、官方关税文档的语义检索、证据推理、共识验证、层次化代码组件投票以及人为干预机制。在包含3300条专家标注产品记录的数据集上评估,精确的10位分类对先进LLM仍具挑战性,性能从粗粒度章节级预测到细粒度关税和统计后缀逐步下降。结果表明需要证据驱动、不确定性感知和以人为中心的分类流程,而非完全自主的单步预测。论文HTSLLM智能体海关分类证据推理推荐理由:这篇论文提出了一个多智能体协作的LLM框架,通过证据推理和共识投票来提升海关HTS代码分类的准确性,特别适合物流合规场景。原文