On the Utility of Domain Modeling Assistance with Large Language Models

要約

モデル駆動エンジニアリング (MDE) は、抽象化によってソフトウェア開発を簡素化しますが、時間の制約、不完全なドメインの理解、構文上の制約の順守などの課題が設計プロセスの妨げとなります。
この論文では、ドメイン モデリングを支援する大規模言語モデル (LLM) と少数ショット プロンプト学習を利用した新しいアプローチの有用性を評価する研究を紹介します。
このアプローチの目的は、希少なドメイン固有のデータセットに対する AI ベースの完了モデルの大規模なトレーニングの必要性を克服し、さまざまなモデリング活動に対する多用途のサポートを提供して、ソフトウェア モデラーに貴重な推奨事項を提供することです。
このアプローチをサポートするために、私たちはユーザーフレンドリーなツールである MAGDA を開発しました。このツールを通じてユーザー調査を実施し、ドメイン モデリングのコンテキストでアプローチの実世界への適用可能性を評価し、その使いやすさと有効性についての貴重な洞察を提供します。

要約(オリジナル)

Model-driven engineering (MDE) simplifies software development through abstraction, yet challenges such as time constraints, incomplete domain understanding, and adherence to syntactic constraints hinder the design process. This paper presents a study to evaluate the usefulness of a novel approach utilizing large language models (LLMs) and few-shot prompt learning to assist in domain modeling. The aim of this approach is to overcome the need for extensive training of AI-based completion models on scarce domain-specific datasets and to offer versatile support for various modeling activities, providing valuable recommendations to software modelers. To support this approach, we developed MAGDA, a user-friendly tool, through which we conduct a user study and assess the real-world applicability of our approach in the context of domain modeling, offering valuable insights into its usability and effectiveness.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google