.png){kind=icon}
返回
Towards Diagram-Based Data Model Generation with LLMs
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-08620-4_10.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于模型的工程依赖于领域特定的模型和图表来支持复杂系统的设计与分析。构建此类模型仍然是一项耗时且易出错的任务，需要深厚的领域知识和丰富的专业知识。尽管大型语言模型（LLMs）为自然语言驱动的建模提供了新机遇，但它们在领域对齐、语义验证和可靠的形式化生成方面存在困难。在本文中，我们介绍了一种端到端的代理式方法用于图表生成，该方法结合了LLMs的推理能力以及Sirius Web的原生工具建模环境。我们的解决方案首先通过提示解释器解释高层用户请求，将其翻译为结构化的建模操作，并通过领域感知进行增强。这些建模操作随后由编排循环处理，该循环将执行委托给工具代理。这些代理随后利用Sirius Web的内部流程，以确保生成语义有效且语法正确的图表。我们使用不同视图和特定约束的多个领域评估了我们原型的生成能力。评估结果表明了系统的适应性和在各种条件下生成模型的成功。然而，观察到存在引入无关类以及链接和包含关系方面的困难等局限性。
Keyword:
LLMs
diagram generation
model-based engineering
domain-specific modeling
Sirius Web
期刊
机构
引用论文
.png){kind=icon}
On the assessment of generative AI in modeling tasks: an experience report with ChatGPT and UML关于建模任务中生成式AI的评估: 使用ChatGPT和UML的经验报告
OAAI
OAAI分享收藏Multi-step Iterative Automated Domain Modeling with Large Language Models杨, Y.; 陈, B.; 陈, K.; Mussbacher, G.; Varró, D. 基于大语言模型的多步迭代自动领域建模。载于会议录：MODELS 2024—ACM/IEEE 第27届国际模型驱动工程语言与系统会议：配套会议录, 奥地利林茨, 2024年9月22–27日; 计算机协会: 纽约州纽约市, 美国, 2024; 第587–595页。 [Google Scholar] [CrossRef]
PREAI
分享收藏分享收藏
查看更多内容