САФАРИ: Промышленный контрольный показатель для анализа и оценки рисков, связанных с УУЗР

arXiv:2609.20584v1 Annualte Type: New Humber Brieft: Major Language Models (LMS) все чаще рассматриваются в качестве важнейших технических средств обеспечения безопасности, однако их надежность в регулируемых рабочих потоках по вопросам функциональной безопасности остается недоисследованной. Мы введем SAFARI ( " Получение функционального риска на автомобильном транспорте, обеспечивающего безопасность &qt; ) - первый промышленный контрольный показатель для анализа и оценки рисков автомобильных транспортных средств с помощью LLM согласно стандарту ISO 26262. В нем содержится 3000 неустановленных промышленных случаев ХАРА и оцениваются две совпадающие задачи: открытый анализ опасностей и оценка рисков на основе стандартов. Для оценки артефактов HARA открытого состава мы предлагаем первый протокол LLM в качестве судьи с высокой экспертной корреляцией. Эксперименты с использованием девяти пограничных МЛМ показывают, что модели часто дают правильные описания опасности, но остаются слабыми в соответствии со стандартом ISO 26262, при этом лучший макроF1 АГИЛ достигает лишь 0,261. Цепочка идей дает ограниченные преимущества и зачастую приводит к резкому снижению оценки риска. Эрр