TVR：基于检索增强生成的汽车系统需求可追溯性验证与恢复
软件工程
2026-01-13 v4
摘要
在汽车软件开发及其他领域，需求与系统需求之间的可追溯性对于确保一致性、正确性和合规性至关重要。然而，由于需求变更未能正确传递或需求映射中存在人为错误，常常会出现错误或缺失的可追溯性关系，导致不一致并增加维护成本。现有方法未能解决需求与系统需求之间的可追溯性问题，且在工业数据上未进行验证，其中需求之间的链接由工程师手动建立。此外，汽车需求常以不同方式表达，给训练数据驱动的方法带来挑战。近期大型语言模型（LLM）的发展为解决这些挑战提供了新的机会。本文引入TVR（Requirement Traceability Validation and Recovery），主要面向汽车系统，利用检索增强生成（RAG）增强的LLM。TVR旨在验证现有可追溯性链接并恢复丢失的链接，具有高准确性。实验结果突出了TVR在工业环境中的实际有效性，为改进复杂汽车系统的需求可追溯性提供了有前景的解决方案。
引用
@article{arxiv.2504.15427,
title = {TVR: Automotive System Requirement Traceability Validation and Recovery Through Retrieval-Augmented Generation},
author = {Feifei Niu and Rongqi Pan and Lionel C. Briand and Hanyang Hu},
journal= {arXiv preprint arXiv:2504.15427},
year = {2026}
}