Engineering Safety Requirements for Autonomous Driving with Large Language Models

本文是LLM系列文章，针对《Engineering Safety Requirements for Autonomous Driving with Large Language Models》的翻译。

摘要

需求工件的更改和更新在汽车领域可能很频繁，这对SafetyOps来说是一个挑战。大型语言模型（LLM）具有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。在这项研究中，我们提出了一个提示和LLM管道的原型，该管道接收项目定义并以安全要求的形式输出解决方案。该管道还对需求数据集进行审查，并确定冗余或矛盾的需求。我们首先确定了执行HARA的必要特征，然后定义了测试来评估LLM满足这些标准的能力。我们使用多次迭代的设计科学，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，原型在一家案例公司实施，负责团队评估了其效率。

1 引言

2 相关工作

3 方法论：设计科学

4 第一个设计周期：识别LLM的局限性

5 第一个工程周期：提示管道

6 第二个工程周期：使用内部LLM