利用大型语言模型构建自动驾驶安全需求
人工智能
2024-03-26 v1
摘要
需求工件的变更和更新在汽车领域可能很频繁，这对安全运维（SafetyOps）构成了挑战。大型语言模型（LLM）凭借其令人印象深刻的自然语言理解和生成能力，可以在每次更新后自动细化和分解需求方面发挥关键作用。在本研究中，我们提出了一个由提示词和LLM组成的流水线原型，该流水线接收一个项目定义，并以安全需求的形式输出解决方案。该流水线还对需求数据集进行审查，并识别冗余或矛盾的需求。我们首先确定了执行危害分析与风险评估（HARA）所需的特性，然后定义了测试来评估LLM满足这些标准的能力。我们采用了设计科学方法，经过多次迭代，并让来自不同公司的专家对每个周期进行定量和定性评估。最后，该原型在一家案例公司实施，并由负责团队评估了其效率。
引用
@article{arxiv.2403.16289,
title = {Engineering Safety Requirements for Autonomous Driving with Large Language Models},
author = {Ali Nouri and Beatriz Cabrero-Daniel and Fredrik Törner and Hȧkan Sivencrona and Christian Berger},
journal= {arXiv preprint arXiv:2403.16289},
year = {2024}
}
备注
Accepted in 32nd IEEE International Requirements Engineering 2024 conference, Iceland