Text2Arch：一个用于从自然语言描述生成科学架构图的数据集
计算与语言
2026-04-17 v1
摘要
仅通过文本传递复杂系统设计或科学过程的描述效率低下且易产生歧义。一个能够从文本自动生成高保真语义架构图的系统在多个应用中都有用价值，包括企业架构可视化、AI 驱动的软件设计和教育内容创建。因此，本文聚焦于利用语言模型对输入文本描述进行语义理解，以生成可处理以生成高保真架构图的中间代码。Unfortunately，没有干净的大规模开放访问数据集存在，这意味着缺乏有效的开放模型用于此任务。因此，我们贡献了一个全面的数据集，\system{} 包含科学架构图像、其对应的文本描述以及关联的 DOT 代码表示。利用这一资源，我们微调了一个小型语言模型套组，并使用 GPT-4o 进行情境学习。通过大量实验，我们展示了 \system{} 模型显著优于现有基线模型如 DiagramAgent，并与基于情境学习的 GPT-4o 生成相当。我们使代码、数据和模型公开可用。
引用
@article{arxiv.2604.14941,
title = {Text2Arch: A Dataset for Generating Scientific Architecture Diagrams from Natural Language Descriptions},
author = {Shivank Garg and Sankalp Mittal and Manish Gupta},
journal= {arXiv preprint arXiv:2604.14941},
year = {2026}
}
备注
ICLR 2026 Poster