基于大语言模型增强汽车架构可维护性的方法
软件工程
2025-09-17 v1 人工智能
摘要
汽车系统中存在许多瓶颈，这些瓶颈降低了系统的灵活性，使得其长期维护以及生命周期后期的更新和扩展日益困难，这主要是由于冗长的重新设计、标准化和合规流程，以及所涉及的设备和底层软件组件的异构性和数量庞大。在本文中，我们探讨了大型语言模型（LLMs）在自动化旨在提高汽车系统灵活性的任务和流程方面的潜力。作为早期研究的成果，我们考虑了三个旨在实现此目标的案例研究：1）更新、硬件抽象和合规性，2）接口兼容性检查，以及3）架构修改建议。对于概念验证实现，我们依赖于OpenAI的GPT-4o模型。
引用
@article{arxiv.2509.12798,
title = {LLM-Based Approach for Enhancing Maintainability of Automotive Architectures},
author = {Nenad Petrovic and Lukasz Mazur and Alois Knoll},
journal= {arXiv preprint arXiv:2509.12798},
year = {2025}
}