我的阅读状态 （保存写回仓库，全设备同步；首次保存需输入访问令牌）

AI 速览

一句话：提出混合 RAG 系统 MASSIV，自动分析自动驾驶安全案例并生成反驳（defeater）。

安全案例（safety case）是自动驾驶等安全关键系统认证的核心证据，但由专家人工审查案例结构、发现其中论证薄弱环节（defeater）成本高昂且容易遗漏。论文提出 MASSIV/MASSIVF，一个用于安全保证案例自动化分析与 defeater 生成的 AI 系统。该系统将文档处理、智能检索（混合 RAG）与大语言模型结合起来，通过基于证据的推理，自动识别安全声明（safety claim）中可能存在的弱点并给出相应的反驳。其核心思想是用检索增强的方式为大模型提供案例内外的证据上下文，从而在保证可追溯性的前提下提升分析效率与覆盖度。摘要主要描述了系统定位与架构，未给出具体的评估数据、基准或实验结果。

问题

安全关键领域（如自动驾驶）的安全案例审查需专家人工判定论证是否充分，识别潜在 defeater 的过程耗时、昂贵且难以规模化。

方法

构建 MASSIV/MASSIVF 系统，融合文档处理、混合检索（hybrid RAG）与大语言模型，基于证据进行推理，自动分析安全保证案例并生成 defeater。

评估

摘要未提供具体的实验设置、数据集或量化结果，仅说明系统的组成与目标能力。

链接与引用

DOI 原文 · PDF（开放获取） ·

@inproceedings{paperbot12607,
  title = {MASSIV: A Hybrid RAG for Automated Defeater Extraction in Autonomous Driving Safety Cases},
  author = {Tihomir Rohlinger and Daniel Ratiu and Stefan Wagner},
  booktitle = {ASE},
  year = {2026},
  doi = {10.1145/3832783.3834625}
}