德州农工大学的研究团队已经研发出一款人工智能工具，专门用来辅助危机信息分类，依托大语言模型处理灾害期间社交媒体上大量杂乱消息，自动把海量信息做归类筛选，帮应急管理人员快速从繁杂信息流里挑出有用内容，减少无效信息干扰。在飓风、洪水这类灾害发生的时候，网上会同时涌出灾情照片、天气播报、求助请求、无关闲聊等大量内容，人工逐条筛选速度很慢，很容易漏掉求救、损毁报告这类关键信息，这款 AI 工具会先把信息分成灾情相关、天气相关、人道主义求助三大主类，还能继续细分事件类型、信息是否有效、求助类型等标签，训练用的是多场灾害经过人工标注的社交帖子数据集，目前工具还处在研发测试阶段，还没有在真实灾害现场正式部署，团队后续计划升级成 AI 智能体，对接应急部门的工作流程，提升灾害发生时的现场态势感知能力。
项目核心信息清单
- 研发机构：德州农工大学 Zachry 土木与环境工程系
- 核心负责人：Ali Mostafavi、Bo Li、Kai Yin
- 底层技术：微调后的大语言模型（CrisisSense-LLM）
- 一级分类：灾情信息、天气信息、人道主义求助信息
- 细分标签：事件类型、信息有效性、人道主义需求类别
- 训练数据集：6 万 + 条灾害相关标注社交文本
- 当前状态：研发测试阶段，未上线真实应急场景
- 目标用户：应急管理工作人员、灾害救援团队
传统人工处理与 AI 工具对比表
| 方式 | 信息处理速度 | 容易出现的问题 | 优势 |
|---|---|---|---|
| 人工筛选危机信息 | 慢，海量消息很难实时看完 | 遗漏求助、看错信息、人力消耗大 | 人工判断准确度高，可以处理复杂特殊情况 |
| 这款 AI 辅助危机信息分类工具 | 快，批量自动打标签分类 | 存在识别误差，需要人工复核 | 快速过滤噪音，把同类信息归集，节省人力 |
工具落地使用流程
- 应急人员接入数据源，导入灾害期间社交媒体、公开上报文本信息流
- AI 工具自动识别内容，打上一级分类标签，同时生成细分属性标签
- 系统汇总结果，把求助、损毁、天气预警等信息分开展示，过滤无关闲聊内容
- 工作人员优先复核 AI 标记的高价值信息，核实之后安排救援或者调度资源
- 灾害结束后，收集本次识别错误案例，回流给模型持续优化分类精度
【常见问题】
问题 1：德州农工大学研发的人工智能工具辅助危机信息分类，主要是处理哪些信息？
回答 1：德州农工大学研发的人工智能工具辅助危机信息分类，主要处理灾害期间社交媒体里的各类消息，包含灾情损毁、天气动态、民众求助等人危机相关文本信息。
问题 2：德州农工大学这款辅助危机信息分类的人工智能工具现在已经投入救灾使用了吗？
回答 2：德州农工大学这款辅助危机信息分类的人工智能工具目前还处在研发测试阶段，还没有在真实灾害现场正式部署使用。
问题 3：德州农工大学研发的人工智能工具辅助危机信息分类，会把信息分成哪几大类？
回答 3：德州农工大学研发的人工智能工具辅助危机信息分类，会把危机信息分为灾情相关、天气相关、人道主义求助信息三大主要类别，还可以继续做细分标注。
问题 4：德州农工大学研发的人工智能工具辅助危机信息分类，底层是什么模型？
回答 4：德州农工大学研发的人工智能工具辅助危机信息分类，底层采用经过灾害数据指令微调的 CrisisSense-LLM 大语言模型。
【参考资料】
[2026-11-06]（Researchers develop AI tool to improve crisis communication）Texas A&M University
[2026-11-09]（Texas A&M Üniversitesi’nden Acil Durum Yönetimi İçin Yapay Zeka Aracı Geliştiriliyor）Altın Raporu
[2026-11-07]（德州农工大学研发 AI 工具辅助灾害危机信息分类）DoNews
[2026-11-06]（CrisisSense-LLM：面向灾害社交媒体文本分类大模型）arXiv
【免责声明】
本文为科研项目资讯整理，德州农工大学这款辅助危机信息分类的人工智能工具还未正式落地，模型识别准确率、实际应急适配效果仍需要更多测试验证，不能直接替代应急人员人工研判，本文不构成应急方案选型、技术采购建议。