arXiv cs.AI@Bethel Hall, William Eiers精选55该研究提出一种神经符号方法,结合大语言模型与SMT求解器,用于审计自然语言编写的软件需求。通过将需求翻译为形式逻辑,利用随机变化检测歧义,并通过求解器查询暴露不一致、空洞和安全违规。在医疗设备软件需求上验证的VERIMED管道显示,独立形式化之间的随机变化是歧义的信号,而具体SMT反例可将验证准确率从55.4%提升至98.5%。该方法为安全关键领域的需求审计提供了可扩展的自动化方案。论文神经符号方法SMT求解器需求审计安全关键系统VERIMED推荐理由:安全关键软件团队终于有了自动审计自然语言需求的实用工具——VERIMED用LLM+SMT组合把歧义、不一致和安全漏洞揪出来,做医疗、航空等领域的需求工程师可以直接关注。