AIVV：面向可信自主系统的神经符号LLM智能体集成验证与确认

深度学习模型擅长检测正常数据中的异常模式。然而，它们并未为异常分类以及跨多样控制系统的可扩展性提供直接解决方案，常常无法区分真实故障与由噪声或控制系统大幅瞬态响应引起的滋扰故障。因此，由于算法化的故障确认仍难以扩展，完整的验证与确认（V&V）工作仍由人在回路（HITL）分析承担，造成难以持续的人工负担。为将这一关键监督环节自动化，我们提出智能体集成验证与确认（Agent-Integrated Verification and Validation，AIVV），一个将大语言模型（LLM）部署为审议式外环的混合框架。由于严格的系统验证严格依赖于准确的确认，AIVV将数学方法标记出的异常上报给角色专门化的LLM理事会。理事会智能体基于自然语言（NL）需求对滋扰故障与真实故障进行语义确认，以协作方式完成确认环节，为高保真的系统验证奠定基线。在此基础上，理事会进而依据自然语言运行容差评估故障后响应以执行系统验证，最终生成可操作的V&V产出物，例如增益整定建议。在无人水下航行器（UUV）时间序列模拟器上的实验表明，AIVV成功将HITL V&V流程数字化，克服了基于规则的故障分类的局限，并为时序数据领域中LLM介导的监督提供了可扩展蓝图。