摘要
精确的关税编码（HTS）分类对海事物流中的海关清关、关税评估、贸易统计和法规遵从至关重要。然而，由于产品描述通常简短、不完整或模糊，确切的HTS分类仍然具有挑战性。正确分类依赖于层级关税结构、法律说明和特定于管辖区的规则。
本文提出了一种用于加拿大10位HTS编码分类的智能大型语言模型（LLM）框架，适用于智能港口和海事物流环境。该框架集成了多代理信息检索、对官方关税文件的语义检索、基于证据的推理、共识验证、层级代码组件的逐元素投票、置信度估计以及人机协作的升级。
我们在一个包含3300条物流和交付上下文中的领域专家标记产品记录的私有数据集上评估了该框架。实验结果显示，即使对于先进的LLM，确切的10位编码分类仍然困难，性能在从粗略的章节级预测到细粒度的关税和统计后缀分配时显著下降。这些发现表明，需要基于证据、考虑不确定性和以人为中心的分类工作流，而不仅仅依赖完全自主的一步预测。
所提出的框架支持更可解释、更具责任感和符合合规要求的HTS分类，适用于海事物流和智能港口操作。我们的代码可在 GitHub 上获取。
博主点评： 本文提出的框架通过多种先进技术手段解决关税编码分类的复杂性，突显了人机协作在现代物流中的重要性。尽管LLM具备强大的语言理解能力，但在复杂任务中仍需依赖人类专家的判断与参与，以确保高效与合规。