자율주행 시스템(ADS)의 안전성과 신뢰성을 위해서는 포괄적인 테스트가 필수적입니다. 기존 기술들은 시스템 수준의 오류를 감지하거나 이를 거친 단위 모듈에 할당하는 데 그치지만, 소스 코드 내에서 근본 원인을 위치시키는 것에는 종종 미흡합니다. 결과적으로 디버깅은 여전히 노동 집약적이며, 개발자가 동작 위반을 복잡한 구현 논리와 연결해야 합니다. 이러한 격차를 해소하기 위해, 우리는 가설 검증 및 의도 분석에 기반한 계층적 ADS 결함 위치 파악을 위한 2단계 프레임워크인 HINT를 제시합니다. Phase I에서 HINT는 오류 발생 트리거 실행 기록을 다중 모드 추상화로 변환하고 인과 추론(causal reasoning)을 사용하여 책임 있는 모듈을 식별합니다. Phase II에서는 설계 측의 의도와 구현 측의 동작을 재구성한 다음, 비용이 많이 드는 재시뮬레이션 없이 신뢰성 인식 일관성 검사(reliability-aware consistency checking)를 통해 의심스러운 코드를 위치 파악합니다. 우리는 다양한 오류 모드 및 모듈에 걸쳐 Apollo에서 HINT를 평가했습니다. 그 결과, HINT가 모듈 수준 진단과 코드 수준 위치 파악 지표 전반에서 가장 강력한 전체 성능을 달성했으며, 실제 버그에 대해 77.8%의 end-to-end Class@5 정확도를 보였습니다.