تتميز نماذج اللغة الكبيرة (LLMs) بقدرتها على توليد الكود من الأوصاف المكتوبة باللغة الطبيعية (NL). ومع ذلك، فإن الأوصاف النصية البسيطة تحمل طابع الغموض بشكل فطري وغالباً ما تفشل في التقاط المتطلبات المعقدة مثل سلوكيات النظام المعقدة، والمنطق الشرطي، والقيود المعمارية؛ حيث يصعب استنتاج والتعامل مع التبعيات الضمنية للبيانات في architectures المرتكزة على الخدمات بشكل صحيح. لسد هذه الفجوة، نقترح إطار عمل جديد لتوليد الكود خطوة بخطوة يُدعى UML2Dep من خلال الاستفادة من المواصفات الرسمية الواضحة للمتطلبات المعقدة. أولاً، نقدم مخطط تسلسل لغة النمذجة الموحدة (UML) المحسن المصمم لل architectures المرتكزة على الخدمات. يوسع هذا المخطط التركيب البصري التقليدي من خلال دمج جداول القرار ومواصفات واجهة البرمجة، مما يوضح العلاقات الهيكلية وتدفقات منطق الأعمال في التفاعلات الخدمية بشكل صارم للقضاء على الغموض اللغوي. ثانياً، واعترافاً بالدور الحيوي لتدفق البيانات، نقدم مهمة استنتاج التبعيات البيانية للبيانات (DDI) المخصصة. تقوم DDI بتكوين رسم بياني صريح لتبعيات البيانات قبل التوليف الفعلي للكود. لضمان موثوقية النتائج، نقوم بتشكيل DDI كمسألة استدلال رياضي مقيد من خلال استراتيجيات تحفيز جديدة، مما يتماشى مع نقاط القوة الرياضية الممتازة لنماذج اللغة الكبيرة. كما يقلل التحليل الثابت والتشذيب للتبعية من تعقيد السياق والعبء المعرفي المرتبط بالمواصفات المعقدة، مما يعزز دقة وكفاءة الاستدلال.
قام ماو وآخرون (الثلاثاء) بدراسة هذا السؤال.