用于无幻觉需求重用的神经符号代理

面向对象的需求创作和管理方法 (OOMRAM) 是一种需求重用框架，它依赖于精确的标识符匹配和严格的模板，限制了其在不同上下文中调整规范的能力。虽然 大语言模型 (LLM) 提供了克服这一瓶颈的灵活性，但它们引入了生成结构上无效或不一致的需求组合的风险。为了解决这种紧张关系，我们提出了一种神经符号多代理系统，该系统将需求重用重新概念化为模型驱动的启发过程。在此范例中，LLM 用作非确定性启发式，用于遍历由正式 OOMRAM 需求格表示的确定性域模型。确定性的符号验证器强制执行代理循环内的所有结构约束，通过构造有效地消除幻觉的需求组合。根据跨两个应用程序系列的自主基准进行评估，我们的系统实现了 100% 的需求覆盖率，并且约束违反率仅为 0.2%。尽管针对单一黄金标准的 F1 分数适中 (0.47-0.51)，但每个生成的规范在结构上都是有效的，并且满足所有强制性领域要求。与模型无关的实现通过子图导航扩展到更大的网格，并为法规遵从性提供透明的审计跟踪。