本研究提出DODGE框架，解决风险评估中对象角色被低估的问题。通过结合本体论与形式方法，提升了风险评估模型的表达能力，帮助评估人员更有效地分析干扰传播和风险水平。

本研究探讨了大型语言模型（LLMs）在生成可靠输出时面临的挑战，并提出将形式方法（FMs）与LLMs结合的新策略，以提升模型的可信性和工具的效率。这一融合有望变革可信AI软件系统的开发。

该文介绍了应用形式方法于自治系统领域的最新研究，包括系统合成、不确定性、学习系统的行为界限、系统监测以及未来发展方向。

本文介绍了深度神经网络在复杂感知系统中的重要作用，但为了确保其功能不会造成危害，需要运行时验证技术来检测关键事件、诊断问题并强制执行要求。介绍了机器学习和形式方法界的技术方法，并强调了严格设计监视器的重要性。