本論文は、ChatGPT類似の大規模言語モデル（LLM）が自律知能システム（AIS）のテストおよび検証をどのように促進するかについて体系的にレビューしたものである。最新の生成的推論の進展に基づき、本研究は120件の査読論文の証拠を統合し、テストシナリオ生成、脆弱性検出、形式的検証、およびリアルタイム監視の４つの重要分野を検討した。ファジング、シンボリック実行および強化学習の比較分析を通じて、LLMが自動化の向上、意味的カバレッジおよび適応性強化に寄与する一方で、ベンチマークの完全性、説明可能性およびリソース効率性に課題があることを明らかにした。本レビューは代表的なデータセット、特定領域の応用、および従来のテスト手法とLLMベースのテスト手法の比較見解をまとめた構造化表を導入した。主な課題としてベンチマークの欠如、説明可能性の不足、倫理リスクを分析し、ハイブリッド検証フレームワークやデータ品質向上といった新たな研究方向を探求した。本研究はAIセキュリティ工学と大規模モデル推論の概念的および実践的ギャップを埋め、将来のAIS検証プロセスへのLLM統合のためのロードマップを提供することを目的とする。

ChatGPT;大規模言語モデル;自律知能システム;テスト;検証;AIセキュリティ