arXiv cs.AI· Elizaveta Zinovyeva, Aiham Taleb, Nikita Kozodoi, Daniel Schleicher, Amir Mahdi Namazi, Martin Kraus, Levent Kent, Brian Jensen·· 12 小时前AI 评分34
面向安全关键汽车软件工程的编码助手：生成与验证的人机协作
Generation and Verification: Human-Agent Collaboration for Safety-Critical Automotive Software Engineering
AI 导读
研究者为汽车 C/C++ 开发了一款编码助手，通过 Model Context Protocol 向用户开放 generate、edit、verify 三个工具，让开发者可随时对任意代码运行 verify，而非依赖智能体自查输出。
正文 · AI 翻译
摘要：关于编码智能体的研究主要关注生成质量。然而，安全关键的汽车软件提出了两项额外要求。它优先考虑验证，因为每一处变更在提交之前都要经过审查、追溯到需求，并对照 MISRA 和 AUTOSAR 等行业标准进行检查。它也是一个狭窄的领域，其代码是针对分层架构、嵌入式资源约束以及组织特定的接口约定编写的，而这些内容在通用 LLM 训练所用的数据中十分稀缺。我们提出了一种面向汽车 C/C++ 的编码助手，可同时满足这两项要求。首先，它通过模型上下文协议向用户提供三个工具（生成、编辑和验证），使开发者能够按需对任意代码运行验证，而不必依赖智能体检查自身输出。其次，我们不使用通用模型，而是通过提示工程和微调为汽车领域定制底层 LLM。我们基于 AUMOVIO 的汽车生产代码构建了一个数据集，其中每个函数都与其必须满足的需求文本和统一建模语言（UML）行为配对。在活跃生产项目上为期两周的试点中，开发者报告验证是最常用的工具，并确认他们将其用于自己的代码，而不仅用于生成的输出。在比较模型定制策略时，75% 的人更喜欢更快的提示工程配置。受 MISRA 和 AUTOSAR 启发的模式检查器表明，提示工程在 C 上实现的违规数量更少，而微调在 C++ 上表现出与架构模式更好的符合性。
| 评论： | 已被 EMNLP 2026 REALM Workshop 接收 |
| 主题： | 软件工程（cs.SE）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.35982 [cs.SE] |
| （或此版本的 arXiv:2610.35982v1 [cs.SE]） | |
| https://doi.org/10.48550/arXiv.2610.35982 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Nikita Kozodoi [查看电子邮件]
[v1]
2026年10月26日星期一 11:04:55 UTC（124 KB）
来源：arXiv cs.AI · arxiv.org