본 논문은 ChatGPT와 유사한 대형 언어 모델(LLM)이 자율 지능 시스템(AIS)의 테스트 및 검증을 어떻게 촉진하는지에 대한 체계적인 리뷰를 제공합니다. 최신 생성 추론의 발전에 기초하여, 본 연구는 120개의 동료 검토 논문에서 나온 증거를 통합하여 테스트 시나리오 생성, 취약점 탐지, 형식 검증 및 실시간 모니터링의 네 가지 핵심 분야를 조사합니다. 퍼징, 상징적 실행 및 강화 학습의 비교 분석을 통해, 본 논문은 자동화 수준, 의미론적 커버리지 및 적응성 향상 측면에서 LLM의 강점을 밝히는 동시에 벤치마크 완전성, 설명 가능성 및 자원 효율성에서의 한계를 지적합니다. 이 리뷰는 대표적인 데이터셋, 특정 도메인 애플리케이션 및 전통적 테스트 방법과 LLM 기반 테스트 방법 간 비교 통찰을 요약한 구조화된 표를 도입합니다. 주요 도전 과제인 벤치마크 부재, 설명 가능성 부족, 윤리적 위험을 분석하고 혼합 검증 프레임워크 및 데이터 품질 향상과 같은 새로운 연구 방향을 탐구합니다. 본 연구는 AI 보안 공학과 대형 모델 추론 간의 개념적 및 실천적 격차를 해소하고, 미래 AIS 검증 프로세스에 LLM 통합을 위한 로드맵을 제공하는 데 목적이 있습니다.

ChatGPT;대형 언어 모델;자율 지능 시스템;테스트;검증;AI 보안