यह शोधपत्र एक ऑनलाइन, खोज-संवर्धित वृहद भाषा मॉडल (LLM) ढाँचा प्रस्तुत करता है जो सिमुलेशन-आधारित परीक्षण में मौजूदा परिदृश्य निर्माण विधियों की सीमाओं को दूर करता है, जो स्वायत्त वाहन (AV) सत्यापन के लिए आवश्यक है। एक LLM-आधारित व्यवहार विश्लेषक का उपयोग करते हुए, हम पृष्ठभूमि वाहनों के सबसे खतरनाक इरादों का अनुमान लगाते हैं और अतिरिक्त LLM एजेंटों के माध्यम से व्यवहार्य प्रतिकूल प्रक्षेप पथ उत्पन्न करते हैं। जैसे-जैसे नए इरादे सामने आते हैं, हम भूलने की प्रवृत्ति को कम करने और अनुकूलन को तेज़ करने के लिए गतिशील मेमोरी और खोज संग्रहण के माध्यम से इरादे-योजनाकार युग्मों के व्यवहार पुस्तकालय का स्वचालित रूप से विस्तार करते हैं। वेमो ओपन मोशन डेटासेट का उपयोग करके किए गए मूल्यांकन परिणाम दर्शाते हैं कि यह मौजूदा विधियों से बेहतर प्रदर्शन करता है, औसत न्यूनतम टक्कर समय को 1.62 सेकंड से घटाकर 1.08 सेकंड कर देता है और टक्कर दर को 75% तक कम कर देता है।
