Engineering Safety Requirements for Autonomous Driving with Large Language Models

本篇内容属于LLM系列文章的一部分，主要涉及对《Engineering Safety Requirements for Autonomous Driving with Large Language Models》这一文献的译介工作。

大型语言模型自动驾驶的工程安全要求

• 摘要
  • 1 引言
  • 2 相关研究
  • 3 方法论：科学设计
  • 4 首个设计阶段：辨识大型语言模型的不足之处
  • 5 首个工程阶段：提示处理流程
  • 6 第二个工程阶段：应用内部大型语言模型优化处理流程及提示机制
  • 7 分析与讨论
  • 8 对成效可能构成影响的因素
  • 9 总结与后续研究方向

摘要

在汽车行业中，需求工件的频繁变更与更新给SafetyOps带来了显著挑战。大型语言模型（LLM）凭借其卓越的自然语言处理能力，能够在每次需求更新后自动完成细化与分解任务，从而发挥重要作用。本研究中，我们设计并实现了一个基于提示工程与LLM的原型系统，该系统以项目定义为输入，并输出符合安全要求的解决方案。此外，该系统还具备对需求数据集进行审查的功能，能够识别其中存在的冗余或矛盾项。首先，我们明确了执行HARA所需的关键特征，并据此制定了相应的测试方案，以评估LLM是否满足这些标准。研究过程中采用多次迭代的设计科学方法，并邀请来自不同企业的专家对每个阶段进行