論文の概要: ARLO: A Tailorable Approach for Transforming Natural Language Software Requirements into Architecture using LLMs

• arxiv url: http://arxiv.org/abs/2504.06143v1
• Date: Tue, 08 Apr 2025 15:38:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-09 13:31:51.949107
• Title: ARLO: A Tailorable Approach for Transforming Natural Language Software Requirements into Architecture using LLMs
• Title（参考訳）: ARLO: LLMを用いた自然言語ソフトウェア要求のアーキテクチャへの変換可能なアプローチ
• Authors: Tooraj Helmi,
• Abstract要約: 自然言語(NL)で表現されるソフトウェア要件は、冗長性、曖昧性、一貫性に悩まされることが多い。 本稿では,NL要求をアーキテクチャにマッピングするタスクを自動化するアプローチであるARLOを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Software requirements expressed in natural language (NL) frequently suffer from verbosity, ambiguity, and inconsistency. This creates a range of challenges, including selecting an appropriate architecture for a system and assessing different architectural alternatives. Relying on human expertise to accomplish the task of mapping NL requirements to architecture is time-consuming and error-prone. This paper proposes ARLO, an approach that automates this task by leveraging (1) a set of NL requirements for a system, (2) an existing standard that specifies architecturally relevant software quality attributes, and (3) a readily available Large Language Model (LLM). Specifically, ARLO determines the subset of NL requirements for a given system that is architecturally relevant and maps that subset to a tailorable matrix of architectural choices. ARLO applies integer linear programming on the architectural-choice matrix to determine the optimal architecture for the current requirements. We demonstrate ARLO's efficacy using a set of real-world examples. We highlight ARLO's ability (1) to trace the selected architectural choices to the requirements and (2) to isolate NL requirements that exert a particular influence on a system's architecture. This allows the identification, comparative assessment, and exploration of alternative architectural choices based on the requirements and constraints expressed therein.
• Abstract（参考訳）: 自然言語(NL)で表現されるソフトウェア要件は、冗長性、曖昧性、一貫性に悩まされることが多い。 これは、システムに適したアーキテクチャを選択し、異なるアーキテクチャ代替品を評価するなど、さまざまな課題を生み出します。 NL要求をアーキテクチャにマッピングする作業を達成するために、人間の専門知識を頼りにするのは、時間がかかり、エラーが発生します。 本稿では,(1)システムに対する一組のNL要件,(2)アーキテクチャ上関連するソフトウェア品質特性を規定する既存の標準,(3)容易に利用できるLarge Language Model(LLM)を活用することによって,このタスクを自動化するアプローチであるARLOを提案する。 具体的には、アーキテクチャに関連のあるシステムに対するNL要求のサブセットを決定し、そのサブセットをアーキテクチャ選択のカスタマイズ可能なマトリックスにマップする。 ARLOは、現在の要求に対して最適なアーキテクチャを決定するために、アーキテクチャ選択行列に整数線形プログラミングを適用する。 実世界の実例を用いてARLOの有効性を実証する。 我々は,(1)選択したアーキテクチャ選択を要件に追従するARLOの能力,(2)システムのアーキテクチャに特定の影響を及ぼすNL要件を分離する能力を強調した。 これにより、記述された要件と制約に基づいて、代替アーキテクチャの選択を識別し、比較評価し、探索することができる。

関連論文リスト

• Automatic selection of the best neural architecture for time series forecasting via multi-objective optimization and Pareto optimality conditions [1.4843690728082002]
  時系列予測は、天気予報、医療、構造的健康モニタリング、予測保守、エネルギーシステム、金融市場など、幅広い分野で重要な役割を果たしている。 LSTM、GRU、Transformers、State-Space Models (SSM) などのモデルがこの領域の標準ツールとなっているが、最適なアーキテクチャを選択することは依然として課題である。 本稿では,LSTM,GRU,マルチヘッドアテンション,SSMブロックを統合した時系列予測のためのフレキシブルな自動フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-01-21T15:33:55Z)
• A quantitative framework for evaluating architectural patterns in ML systems [49.1574468325115]
  本研究では,MLシステムにおけるアーキテクチャパターンの定量的評価のための枠組みを提案する。 コスト効率のよいCPUベースの推論のためのスケーラビリティとパフォーマンスメトリクスに注目します。
  論文  参考訳（メタデータ） (2025-01-20T15:30:09Z)
• Digital requirements engineering with an INCOSE-derived SysML meta-model [0.0]
  我々は、モデルベース構造化要求SysMLプロファイルを拡張して、要求書作成のためのINCOSEガイドに準拠します。 結果のSysMLプロファイルはNASAジェット推進研究所の2つのシステムアーキテクチャモデルに適用された。
  論文  参考訳（メタデータ） (2024-10-12T03:06:13Z)
• A KDM-Based Approach for Architecture Conformance Checking in Adaptive Systems [0.3858593544497595]
  本稿では,MAPE-K参照モデルに基づく適応型アーキテクチャの仕様を網羅したドメイン固有手法REMEDYを提案する。 提案手法は,MAPE-Kモデルからよく知られたルールを取り入れたASに特化している。
  論文  参考訳（メタデータ） (2024-01-29T18:22:11Z)
• From Requirements to Architecture: An AI-Based Journey to Semi-Automatically Generate Software Architectures [2.4150871564195007]
  本稿では,人工知能技術を用いた要件に基づくソフトウェアアーキテクチャ候補生成手法を提案する。 さらに、生成したアーキテクチャ候補の自動評価とトレードオフ分析を計画する。
  論文  参考訳（メタデータ） (2024-01-25T10:56:58Z)
• Serving Deep Learning Model in Relational Databases [70.53282490832189]
  リレーショナルデータ上での深層学習(DL)モデルの実現は、様々な商業分野や科学分野において重要な要件となっている。 最先端のDL中心アーキテクチャは、DL計算を専用のDLフレームワークにオフロードします。 UDF中心アーキテクチャの可能性は、リレーショナルデータベース管理システム(RDBMS)内の1つ以上のテンソル計算をユーザ定義関数(UDF)にカプセル化する。
  論文  参考訳（メタデータ） (2023-10-07T06:01:35Z)
• Enhancing Architecture Frameworks by Including Modern Stakeholders and their Views/Viewpoints [48.87872564630711]
  データサイエンスと機械学習に関連する関心事、例えばデータサイエンティストやデータエンジニアの利害関係者は、まだ既存のアーキテクチャフレームワークには含まれていない。 10か国25以上の組織から61名の被験者を対象に調査を行った。
  論文  参考訳（メタデータ） (2023-08-09T21:54:34Z)
• A Compositional Approach to Creating Architecture Frameworks with an Application to Distributed AI Systems [16.690434072032176]
  構成的思考が複雑なシステムのためのアーキテクチャフレームワークの作成と管理のルールをいかに提供できるかを示す。 論文の目的は、AIシステム特有の視点やアーキテクチャモデルを提供することではなく、既存の、または新しく作成された視点で一貫したフレームワークを構築する方法についてのガイドラインを提供することである。
  論文  参考訳（メタデータ） (2022-12-27T18:05:02Z)
• Federated Learning with Heterogeneous Architectures using Graph HyperNetworks [154.60662664160333]
  パラメータ共有にグラフハイパーネットワークを採用することにより、異種クライアントアーキテクチャに対応する新しいFLフレームワークを提案する。 既存のソリューションとは異なり、当社のフレームワークは、クライアントが同じアーキテクチャタイプを共有することを制限せず、外部データも使用せず、クライアントがモデルアーキテクチャを公開する必要もありません。
  論文  参考訳（メタデータ） (2022-01-20T21:36:25Z)
• Rethinking Architecture Selection in Differentiable NAS [74.61723678821049]
  微分可能なニューラルアーキテクチャ探索は、その探索効率と簡易性において最も人気のあるNAS手法の1つである。 本稿では,各操作がスーパーネットに与える影響を直接測定する摂動に基づくアーキテクチャ選択を提案する。 提案手法により,DARTSの故障モードを大幅に緩和できることがわかった。
  論文  参考訳（メタデータ） (2021-08-10T00:53:39Z)
• DARTS-ASR: Differentiable Architecture Search for Multilingual Speech Recognition and Adaptation [64.44349061520671]
  本稿では,DARTS-ASRを用いたアーキテクチャ探索手法を提案する。 DARTS-ASRの一般化可能性を検討するために,本手法を多くの言語に応用し,単言語ASRを実行するだけでなく,多言語ASR設定にも適用する。
  論文  参考訳（メタデータ） (2020-05-13T11:32:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。