Neuro-Symbolic Agents for Hallucination-Free Requirements Reuse
Dieser Beitrag stellt ein neuro-symbolisches Multi-Agenten-System vor, das Large Language Models als Heuristiken mit einem deterministischen symbolischen Validator kombiniert, um hallucinationsfreie, strukturell valide Wiederverwendung von Anforderungen im OOMRAM-Rahmenwerk zu ermöglichen und dabei eine 100%ige Abdeckung sowie nahezu keine Verletzungen von Einschränkungen zu erreichen.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie versuchen, ein maßgeschneidertes Haus zu bauen, müssen aber aus einem riesigen, vorab genehmigten Katalog von Bauplänen wählen. Dieser Katalog heißt OOMRAM. Er ist wie ein riesiger, strenger Flussdiagramm, der sagt: „Wenn Sie eine Küche wollen, müssen Sie auch ein Waschbecken haben" und „Sie können entweder eine rote oder eine blaue Tür wählen, aber niemals beide."
Das Problem ist, dass die ursprüngliche Art, diesen Katalog zu nutzen, wie ein Roboter funktioniert, der nur exakte Codes versteht. Wenn Sie sagen: „Ich möchte ein gemütliches Zuhause mit einem großen Garten", kann der Roboter Ihnen nicht helfen, es sei denn, Sie kennen den exakten Code für „gemütliches Zuhause".
Hier kommen Large Language Models (LLMs) ins Spiel. Diese sind wie superkluge, gesprächige Architekten, die Ihre natürliche Sprache perfekt verstehen. Sie können ihnen sagen: „Ich möchte ein gemütliches Zuhause", und sie werden Ideen vorschlagen. Aber es gibt einen Haken: Diese gesprächigen Architekten neigen zu Halluzinationen. Sie könnten eine „fliegende Treppe" erfinden, die nicht im Katalog existiert, oder sie könnten versuchen, eine rote und eine blaue Tür am selben Haus anzubringen und damit die Regeln brechen.
Diese Arbeit stellt ein neues Team von Arbeitern vor – ein Neuro-symbolisches Multi-Agenten-System –, um dies zu beheben. Stellen Sie sich das als ein Bauteam mit vier spezifischen Rollen vor:
- Der Navigator: Ein Führer, der den Katalog betrachtet und sagt: „Okay, wir müssen als Nächstes über das Dach entscheiden."
- Der Interpreter (Das LLM): Der gesprächige Architekt. Er hört sich Ihre Idee eines „gemütlichen Zuhauses" an und schlägt spezifische Teile aus dem Katalog vor (z. B. „Lassen Sie uns das Schieferdach wählen").
- Der Validator (Der strenge Inspektor): Dies ist der wichtigste Teil. Der Validator ist keine KI; er ist ein starrer, mathematischer Regelprüfer. Er betrachtet den Vorschlag des Interpreten und prüft ihn gegen die strengen Regeln des Katalogs.
- Szenario: Wenn der Interpreter „Rote Tür UND Blaue Tür" vorschlägt, hämmert der Validator sofort mit dem Richterhammer: „STOPP! Das verstößt gegen die Regeln. Sie können nur eine auswählen."
- Der Validator sendet den Vorschlag dann an den Interpreter zurück, damit dieser es erneut versucht.
- Der Schreiber: Sobald der Inspektor zufrieden ist, schreibt diese Person die endgültige, genehmigte Liste der Teile auf.
So funktioniert es in der Praxis:
Das System läuft in einer Schleife. Der Interpreter rät, der Validator prüft, und wenn ein Fehler vorliegt, gehen sie hin und her, bis die Regeln perfekt eingehalten werden. Da der Validator ein strenges Computerprogramm ist (keine ratende KI), garantiert er, dass der endgültige Hausplan logisch fundiert ist und jeder einzelnen Regel des Katalogs folgt.
Die Ergebnisse:
Die Forscher testeten dies an zwei Arten von „Katalogen": einem für digitale Aufzeichnungssysteme und einem für Smart Homes.
- Keine gebrochenen Regeln: Das System erreichte 100 % strukturelle Validität. Jede einzelne Anforderung, die es generierte, folgte den Regeln. Es eliminierte „Halluzinationen" (erfundene Teile oder illegale Kombinationen) fast vollständig.
- Die „F1-Score"-Verwirrung: Bei Standard-KI-Tests wird gemessen, wie nah die Antwort der KI an einer einzigen „perfekten" menschlichen Antwort liegt. Dieses System erzielte dort eine „moderate" Punktzahl. Warum? Denn für ein „gemütliches Zuhause" gibt es nicht nur eine richtige Antwort. Es gibt hunderte gültige Kombinationen. Das System fand eine gültige, nur nicht genau die, die ein menschlicher Tester ausgewählt hätte. Die Arbeit argumentiert, dass das Finden irgendeiner gültigen, regelkonformen Lösung wichtiger ist als das Übereinstimmen mit einer einzigen menschlichen Vermutung.
- Geschwindigkeit: Es dauerte ein paar Minuten pro Projekt, was für den realen Einsatz schnell genug ist.
Die große Erkenntnis:
Diese Arbeit beweist, dass man das Beste aus beiden Welten haben kann: die Flexibilität einer gesprächigen KI, die menschliche Sprache versteht, kombiniert mit der Sicherheit eines starren Regelprüfers, der Fehler verhindert. Indem sie die „kreative" KI vom „strengen" Regelprüfer getrennt halten, schufen sie ein System, das vage Ideen automatisch in perfekt strukturierte, fehlerfreie technische Anforderungen umwandeln kann, ohne etwas zu erfinden.
Kurz gesagt: Sie bauten ein Team, in dem der kreative Träumer immer von einem strengen Buchhalter überwacht wird, wodurch sichergestellt wird, dass der endgültige Plan sowohl imaginativ als auch rechtlich einwandfrei ist.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.