GoNoGo：一种高效的基于LLM的多智能体系统，用于简化汽车软件发布决策
人工智能
2024-10-01 v2 计算与语言
软件工程
摘要
汽车行业传统的软件部署决策方法通常依赖于对表格化软件测试数据的人工分析。这些方法由于劳动密集型的特性，往往导致软件发布周期成本更高、延迟更长。大语言模型（LLM）为应对这些挑战提供了有前景的解决方案。然而，其应用通常需要多轮人工驱动的提示工程，这限制了其实际部署，特别是对于需要可靠且高效结果的工业终端用户而言。本工作提出了GoNoGo，一个旨在简化汽车软件部署的LLM智能体系统，同时满足功能需求和实际工业约束。与之前的系统不同，GoNoGo专门针对领域特定和风险敏感的系统进行定制。我们在不同的任务难度下，使用来自工业实践的零样本和少样本示例评估了GoNoGo的性能。结果表明，GoNoGo在使用3样本示例时，对难度不超过2级的任务实现了100%的成功率，并且在更复杂的任务中仍保持高性能。我们发现GoNoGo有效地自动化了简单任务的决策，大幅减少了人工干预的需求。综上所述，GoNoGo代表了一种高效且用户友好的基于LLM的解决方案，目前已在我们的工业合作伙伴公司中用于协助软件发布决策，支持在风险敏感车辆系统的发布过程中做出更明智、更及时的决策。
引用
@article{arxiv.2408.09785,
title = {GoNoGo: An Efficient LLM-based Multi-Agent System for Streamlining Automotive Software Release Decision-Making},
author = {Arsham Gholamzadeh Khoee and Yinan Yu and Robert Feldt and Andris Freimanis and Patrick Andersson Rhodin and Dhasarathy Parthasarathy},
journal= {arXiv preprint arXiv:2408.09785},
year = {2024}
}