arXiv · cs.RO· Xi Zheng, Ivan Ruchkin, Hong Jin Kang, Tevfik Bultan, Vijay Ganesh, Taylor T. Johnson, Ziyang Li, Lei Ma, Aloysius K. Mok, Daniel Neider, Ruzica Piskac, Nalini Venkatasubramanian, Simon Thompson, Sanjoy Baruah·· 1 天前AI 评分38
论文 / 摘要阅读
面向学习型信息物理系统的基础模型保障：测试、验证与运行时保障的神经符号议程
Assuring Learning-Enabled Cyber-Physical Systems with Foundation Models: A Neuro-Symbolic Agenda for Testing, Verification, and Runtime Assurance
AI 导读 · 根据来源整理
针对自动驾驶汽车、无人机等学习型信息物理系统引入基础模型后缺乏系统级保障的问题，作者提出“基础模型保障栈”，将神经符号架构、基于符合性的语义测试与组合式验证及运行时保障三条路径连接起来。符号抽象在学习与形式推理之间划定保障边界，基础模型仅作为受约束的辅助工具，其输出在可形式化规定正确性的地方被独立检查。文章还列出规范工程、抽象保真度、证据组合与全生命周期认证等研究挑战，并给出分阶段议程。
本站目前提供摘要
以上是对来源材料的中文整理，不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源：arXiv · cs.RO · arxiv.org