基于大语言模型的日志检索在软件工程元数据管理中的实证研究
软件工程
2025-06-16 v1
摘要
开发自动驾驶系统（ADS）涉及生成和存储来自测试驾驶的大量日志数据，这对验证、研究和仿真至关重要。然而，这些高频日志在可变持续时间期间记录，使开发人员尝试定位特定驾驶场景时面临挑战。这种困难源于代表各种车辆组件和驾驶条件的信号范围广泛，以及一些开发人员对这些信号详细含义的不熟悉。传统的基于SQL的查询通过要求领域专业知识和数据库知识加剧了这一挑战，其结果往往难以验证准确性。本文提出了一种由大语言模型（LLM）支持的方法，将信号日志数据与测试驾驶的视频记录相结合，使基于自然语言的场景搜索成为可能，同时减少了对专业知识的需求。通过利用场景距离图和相对差距指标，它提供了可量化的指标来评估查询结果的可靠性。该方法实现为一个API，用于高效的数据库查询和相关记录的检索，并与视频帧配对以进行直观的可视化。在开放工业数据集上的评估展示了场景检索效率和可靠性的提升，消除了对单一数据源和传统SQL的依赖。
引用
@article{arxiv.2506.11659,
title = {An Empirical study on LLM-based Log Retrieval for Software Engineering Metadata Management},
author = {Simin Sun and Yuchuan Jin and Miroslaw Staron},
journal= {arXiv preprint arXiv:2506.11659},
year = {2025}
}