하드웨어-인-더-루프 (HIL) 플랫폼에서 수행되는 자동차 소프트웨어의 사전 시리즈 검증은 방대한 양의 다변량 센서 기록을 생성하며, 이 기록들을 기능 안전 요구사항에 따라 평가하는 작업은 캠페인 규모로 수동 검토가 감당하기 어려운 수준입니다. 임계값 기반 도구는 편차가 발생했다는 사실만 보고할 뿐, 그 성격이나 근원지를 식별하지 못하며, 데이터 기반 분류기는 정확함에도 불구하고 대규모 레이블링된 데이터셋에 의존하고 불투명한 결정을 내리므로 ISO 26262가 요구하는 추적성(traceability)과 잘 맞지 않습니다. 본 연구는 오픈 소스 명령어 조정형 대규모 언어 모델 (LLM)이 센서 동작의 텍스트 설명이 주어졌을 때, 검증 루프 내부에서 결함 탐지 및 진단을 위한 데이터 효율적이고 해석 가능한 엔진 역할을 할 수 있는지 조사합니다. 이와 관련하여 두 단계 프레임워크가 제안됩니다: 자동화된