Η επικύρωση της ακολουθιακής συμπεριφοράς των αυτόνομων πρακτόρων αποτελεί σημαντική πρόκληση, καθώς αυτοί γίνονται ολοένα και πιο εξελιγμένοι. Οι συμβατικές μέθοδοι δοκιμών απαιτούν χειροκίνητο προσδιορισμό, ακριβή αντιστοίχιση ακολουθιών ή χιλιάδες παραδείγματα εκπαίδευσης. Παρουσιάζεται ένας καινοτόμος αλγόριθμος ο οποίος μαθαίνει αυτόματα την ορθή συμπεριφορά από μόλις 2 έως 10 επιτυχημένα ίχνη εκτέλεσης και επικυρώνει νέες εκτελέσεις έναντι αυτού του εκπαιδευμένου μοντέλου.
Η προσέγγιση αυτή συνδυάζει την ανάλυση κυριαρχίας (dominator analysis) από τη θεωρία μεταγλωττιστών με την πολυτροπική σημασιολογική κατανόηση που υποστηρίζεται από μεγάλα γλωσσικά μοντέλα (LLM). Στόχος είναι ο εντοπισμός ουσιωδών καταστάσεων και η διαχείριση μη ντετερμινιστικής συμπεριφοράς. Το σύστημα δημιουργεί ένα γενικευμένο μοντέλο αληθινής βάσης (ground truth) χρησιμοποιώντας Prefix Tree Acceptors, συγχωνεύει ίχνη μέσω ανίχνευσης ισοδυναμίας πολλαπλών επιπέδων και επικυρώνει νέες εκτελέσεις μέσω τοπολογικής αντιστοίχισης υποακολουθιών.
Σε ελεγχόμενα πειράματα, το σύστημα επέδειξε υψηλή ακρίβεια στην ανίχνευση σφαλμάτων προϊόντων και ψευδών επιτυχιών, χρησιμοποιώντας μόλις 3 ίχνη εκπαίδευσης. Η μέθοδος αυτή προσφέρει επεξηγήσιμα αποτελέσματα επικύρωσης με μετρικές κάλυψης και εφαρμόζεται σε διάφορους τομείς, όπως δοκιμές διεπαφής χρήστη (UI testing), παραγωγή κώδικα και ρομποτικές διεργασίες.
