LiDAR-SHIELD：用于激光雷达三维感知模型对抗鲁棒性评估的 Docker 化框架
作者提出通过 HTTP 接口连接激光雷达模型的 Docker 化框架，支持分割与目标检测的对抗测试，以便系统评估不同模型架构的脆弱性。
利用基础模型保障学习型信息物理系统：测试、验证与运行时保障的神经符号研究议程
该研究议程面向包括自动驾驶车辆在内的学习型信息物理系统，连接神经符号架构、基于规范的测试、组合验证与运行时保障，强调系统层面的证据组织。
用于判断机器学习激光雷达目标检测性能目标在不同触发条件下适用性的 SOTIF 不确定性评估
研究检验在一种条件下选择的不确定性阈值能否在另一触发条件下维持检测性能目标，并强调帧间相关性、独立序列数量及保留的正确检测对 SOTIF 证据解释的影响。
Automotive SPICE MLE 与传统软件开发有何不同：以自动驾驶理解机器学习工程
以行人检测模型解释 ML 需求、架构、训练、测试和数据管理，讨论训练与测试数据分工、数据来源、标注、偏差以及与传统 SWE 过程的可追踪集成。
C-DFF：自动驾驶感知仿真验证中的概念级机制一致性诊断
C-DFF 比较冻结系统在真实与合成图像中依赖的语义概念，识别关键视觉依据的变化，为自动驾驶仿真验证补充基于输出结果的指标。
Expand-and-Prune：端到端自动驾驶的测试时候选空间自适应
Expand-and-Prune 在不修改学习参数的情况下，根据驾驶意图和历史预测扩展轨迹候选，再利用预测不确定性进行裁剪，并在多种自动驾驶规划器上评估。
自动驾驶 AI 解读：ODD、架构与评价证据的区分
Troy Technical 的日文综述区分 SAE 自动化等级与 ODD，比较模块化和端到端架构及日志回放、仿真和道路评价，并将 ISO/PAS 8800 等标准与公开研究联系起来，说明评价指标和安全证据的差异。
安全状态成为攻击路径时：功能安全错误处理与网络安全响应冲突
以 CAN 错误隔离和 ECU 错误处理为例分析安全反应与网络安全威胁的冲突，连接故障与攻击证据、时序预算、安全状态转换和联合设计审查。
结合模型验证与运行时监控验证 Autoware 控制节点
作者将 Autoware 轨迹控制建模为混合系统，证明安全性与活性性质，并在数值仿真中利用运行时监控检查已验证抽象与实际实现行为的一致性。
ProbGuard：利用概率预测主动监控大语言模型智能体安全
ProbGuard 从智能体轨迹学习符号马尔可夫模型，预测未来安全违规并触发干预，通过自动驾驶与家居智能体实验分析提前预警以及风险降低和任务完成的权衡。