核电站人因事件诊断新框架：G-SHARE实现结构化推理

核电站运行中的人因事件诊断对安全至关重要，但现有方法常缺乏结构化推理，与正式诊断指南对齐不足，且可能产生逻辑不一致的结论。为此，研究团队提出G-SHARE框架，将中国核电站九步人因事件诊断指南转化为包含证据提取、逐步诊断推理和后验一致性修复的多阶段流程。该框架支持显式使用报告证据、生成中间推理依据，并对诊断输出进行逻辑验证。

研究基于中国核工业真实人因事件报告构建数据集，并利用领域专家标注的黄金标准子集进行评估。实验结果显示，G-SHARE在整体准确率和宏观F1分数上显著优于单次提示和传统机器学习基线方法。消融实验进一步表明，结构化推理和一致性约束对鲁棒诊断至关重要，尤其在弱提示条件下效果更为明显。

这项研究证明了将专家诊断指南转化为可审计推理工作流程的价值，为安全关键行业的人因智能分析提供了实用路径。该方法不仅适用于核能领域，也可为其他需要严格遵循操作指南的复杂系统故障诊断提供借鉴。