LLM-Falsifier 利用语义信息优化 CPS 规约证伪
论文AI 评分 65/100arXiv cs.AI
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
研究提出 LLM-Falsifier 方法，利用大语言模型最小化信号时序逻辑（STL）的鲁棒性度，以寻找信息物理系统（CPS）形式规约的反例。该方法向模型输入变量名称、输出轨迹及关键时间见证等语义信息，提升了搜索效率。在 ARCH-COMP 基准测试的 21 个规约中，该方法在 14 个规约上所需的平均仿真次数少于基于代理模型、贝叶斯优化及搜索测试的现有工具。
为什么值得看
将 LLM 引入形式化验证领域，利用语义理解提升反例搜索效率。
基准测试
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。