机构名称：
¥ 1.0
摘要 - 在过去的一年中，大型语言模型（LLM）和多模式大语言模型（MLLM）的领域已取得了重大进步，尤其是在其应用自主驾驶时。这些模型在处理和与复杂信息交互方面展示了出色的能力。在自主驾驶中，LLM和MLLM被广泛使用，需要访问敏感的车辆数据，例如精确的位置，图像和道路条件。此数据将传输到基于LLM的推理云进行高级分析。然而，由于数据和隐私漏洞的保护主要取决于LLM的固有安全措施，而无需对LLM的推理输出进行额外审查或评估，因此对数据安全产生了关注。尽管其重要性，但LLM在自动驾驶中的安全方面仍未得到充实。解决这一差距，我们的研究通过使用多代理LLM方法引入了一个新型的自动驾驶汽车安全框架。该框架旨在保护与自动驾驶汽车相关的敏感信息免受潜在泄漏的影响，同时还确保LLM输出遵守驱动法规并与人类价值保持一致。它包括过滤无关的查询并验证LLM输出的安全性和可靠性的机制。利用此框架，我们评估了11个大型语言驱动的自主驾驶线索的安全性，隐私和成本方面。此外，我们对这些驾驶提示进行了质量检查测试，这些驾驶提示成功证明了该框架的功效。
大语模型的自主驾驶中的超级对象框架
主要关键词
相关文件推荐
