基于智能体RAG方法的自动化安全需求推导
人工智能
2025-04-16 v1 计算与语言
机器学习
摘要
我们研究了基于大型语言模型（LLM）结合智能体检索增强生成（RAG）的自动化安全需求推导方法。传统方法通常使用预训练LLM辅助安全分析，但缺乏领域特定知识。现有RAG方法虽可缓解此问题，但在处理复杂查询时性能会下降，难以检索最相关信息。这在安全关键应用中尤为突出。本文提出采用智能体RAG方法以推导安全需求，证明检索信息与查询的相关性更强。我们在汽车标准文件库中实现该方法，并以自动驾驶感知系统的Apollo案例研究为代表性示例。该方案在从Apollo数据中提取的安全需求问答数据集上进行测试。通过评估一组选定的RAG指标，我们展示并讨论了智能体方法相对于默认RAG方法的优势。
引用
@article{arxiv.2504.11243,
title = {Towards Automated Safety Requirements Derivation Using Agent-based RAG},
author = {Balahari Vignesh Balu and Florian Geissler and Francesco Carella and Joao-Vitor Zacchi and Josef Jiru and Nuria Mata and Reinhard Stolle},
journal= {arXiv preprint arXiv:2504.11243},
year = {2025}
}
备注
9 pages, 3 figures