Teach-to-Crash：面向碰撞诱导测试场景生成的闭环学生—教师 LLM 框架

该论文提出 Teach-to-Crash，一个闭环学生—教师 LLM 测试框架，用于生成可引发碰撞的自动驾驶仿真场景。框架采用受约束的自我中心场景表示、停滞感知搜索控制和双 LLM 架构：高推理 Teacher LLM 充当自适应搜索控制器，低推理 Student LLM 输出严格 JSON 格式的仿真器可执行场景，Teacher 仅在滚动碰撞率和碰撞时间指标停滞时介入。在 CARLA 两组速度策略实验中，其碰撞命中率最高达 90.79%，平均碰撞时间最短为 18.31 秒，碰撞发现率 136.21。

此前对抗式场景生成多依赖固定搜索策略或单一大模型，容易陷入局部搜索并牺牲场景可执行性与多样性。该工作把高推理模型负责策略调控、低推理模型负责结构化输出的分工引入闭环测试，在碰撞命中率、碰撞时间、多样性和基于可规避性的有用性代理指标上同时取得较优结果，为自动驾驶仿真验证提供了一种可复用的搜索控制范式。

机制上，框架先用受约束的自我中心表示压缩场景搜索空间，保证生成结果可被仿真器执行；再以碰撞率和碰撞时间作为停滞信号，仅在指标不再改善时触发 Teacher LLM 给出策略指导，避免高成本推理被持续调用；Student LLM 按严格 JSON schema 输出场景，使搜索在可执行程序空间内进行。这种分工把昂贵的高层推理与低层的可执行代码生成分离，形成闭环反馈。

对自动驾驶研发团队而言，该框架意味着仿真测试的失败发现环节可部分自动化，减少人工设计极端场景的投入，并把碰撞率、碰撞时间、多样性等指标纳入持续回归流程。产品上可能出现面向仿真平台的场景生成服务或插件，将 LLM 搜索控制器与 CARLA 等模拟器对接；研发成本结构会从人工编写场景转向模型调用与算力开销。

• 将 Teach-to-Crash 的双 LLM 分工封装为仿真测试插件，接入 CARLA 等模拟器，按停滞信号触发策略干预。
• 面向自动驾驶团队提供基于碰撞率与碰撞时间停滞检测的自动场景重定向服务，替代人工设计极端场景。
• 围绕严格 JSON schema 的场景表示建立场景库与回归基准，用于持续追踪碰撞命中率和多样性变化。

• 该框架在 CARLA 之外的其他仿真器或真实道路数据上是否保持同等碰撞发现率与多样性。
• 高推理 Teacher LLM 的调用成本与延迟在更大规模回归测试中是否可接受。
• 所生成场景被评估为有用性代理指标较高，但其与真实世界安全关键故障的对应关系尚未验证。
• 与 PAFOT 相比，碰撞发现率均值较低但方差更小，何种场景下应优先选择该框架尚未明确。