基于代理的风险分析图自动化安全需求推导

我们研究了在自动驾驶车辆应用场景中自动推导安全需求的方法，利用大型语言模型（LLMs）与基于代理的检索增强生成（RAG）相结合。传统方法通常使用预训练的LLMs来辅助安全分析，但往往缺乏特定领域的知识。现有的RAG方法解决了这一问题，但在处理复杂查询时性能下降，检索到最相关信息的难度也随之增加。这对于安全相关的应用尤为重要。本文提出使用基于代理的RAG来推导安全需求，并展示所检索的信息与查询的相关性更高。我们在一个汽车标准文档库和Apollo案例研究上实现了基于代理的方法，作为自动驾驶感知系统的代表性示例。我们的解决方案在从Apollo数据中提取的安全需求问答数据集上进行了测试。通过评估一组选定的RAG指标，我们展示并讨论了基于代理的方法相较于默认RAG方法的优势。