基于 LLM 的语义多样且真实的域模型实例生成
软件工程
2026-04-14 v1
摘要
大型语言模型(LLM)最近被提议用于支持域建模任务，主要与完成部分模型有关，通过推荐额外的模型元素来实现。然而，还有许多更多的建模任务，其中一种是实例化域模型以表示具体域对象的任务。虽然为生成结构上有效的实例提供了相当大的工作，但仍面临将现实语义纳入实例中以确保生成语义多样模型的挑战。只有在这种情况下，生成的模型才会对人类具有可理解性和在教育或数据驱动的研究情境中发挥帮助作用。为解决这些挑战，本文提出了一种方法，利用 LLM 和两种提示策略的组合，以及现有的模型验证工具，用于实例化表示为 UML 类图的语义真实且多样的域模型。我们将该方法应用于教育中可用且来自不同领域的模型，并评估生成的实例在语法正确性、模型符合性、语义正确性和生成值的多样性方面的表现。结果表明，生成的实例大多数情况下语法正确，符合域模型，且仅有少数语义错误。此外，生成的实例值在语义上是多样的，即与域及其在一个模型中值的组合相符的具体真实示例。
引用
@article{arxiv.2604.10350,
title = {LLM-based Generation of Semantically Diverse and Realistic Domain Model Instances},
author = {Andrei Coman and Lola Burgueño and Dominik Bork and Manuel Wimmer},
journal= {arXiv preprint arXiv:2604.10350},
year = {2026}
}