论文

用于基于汽车模型的系统工程中跨视图接口对齐的状态多代理 LLM

Stateful Multi-Agent LLMs for Cross-View Interface Alignment in Automotive Model-Based Systems Engineering

智能体系统Agent 架构与控制循环

摘要

虽然 大语言模型 (LLM) 可以加速软件定义车辆的基于模型的系统工程 (MBSE),但其概率性质会导致“架构漂移”,以缺乏结构基础的行为视图构建界面。为了强制执行确定性接口对齐,我们提出了一个有状态的多代理验证管道。该框架利用顺序生成矩阵(类->活动->序列)和基于车辆信号规范(VSS)的检索增强生成(RAG)。独立的 AI 验证器代理根据严格的错误分类动态审核输出,触发状态保留回溯循环以解决不兼容性。在高级驾驶员辅助系统 (ADAS) 场景中进行评估,标准 RAG 的实体可追溯性为 0%。相反,我们的多代理工作流程消除了跨阶段幻觉,实现了 97% 的实体可追溯性、87% 的信号保存和 85% 的 F1 分数。这证明对抗性审计使 LLM 能够可靠地合成零错误 MBSE 架构。