.png){kind=icon}
.png){kind=icon}
返回
MAS4SysML: A Multi-Agent Framework for SysML v2 Model Generation from Natural Language
.png){kind=icon}
PRE
AI
DOI：10.3791/70395.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自动从自然语言需求生成精确的SysML模型可以显著加速模型驱动系统工程(MBSE)在复杂系统开发中的应用。然而，使用大型语言模型(LLMs)生成模型代码往往难以满足形式化建模语言的严格语法约束，且持续确保生成模型与需求之间的语义一致性仍具挑战性。为解决这些挑战，本文提出MAS4SysML，一个用于SysML v2代码生成的多智能体协作框架，该框架在受控修复预算下提升语法正确性和语义一致性。该框架将建模任务分解为层次化子任务，将其形式化为结构化任务卡片，并采用自底向上的方式生成模型代码。生成过程中使用官方验证环境进行语法诊断；完成后，框架验证代码与任务卡片之间的语义一致性。若语法或语义验证失败，框架则依据诊断反馈在预设修复预算内迭代修复并重新验证代码，直至满足验证标准或预算耗尽。为评估所提方法，我们构建涵盖五个核心任务类型（需求、用例、结构、参数和状态机）的SysML v2数据集并开展对比实验。结果显示，MAS4SysML将平均语法错误率降至2.63，语义相似度提升至0.91，且整体优于现有代码生成方法。