論文の概要: Natural-Language to SysMLv2 Translation via Conformance-Driven Iterative Refinement
- arxiv url: http://arxiv.org/abs/2607.14162v1
- Date: Tue, 14 Jul 2026 23:56:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-17 17:01:32.846856
- Title: Natural-Language to SysMLv2 Translation via Conformance-Driven Iterative Refinement
- Title（参考訳）: コンフォーマンス駆動反復精製によるSysMLv2翻訳への自然なアプローチ
- Abstract要約: Conformity-checker-driven framework for reliable natural-lang-to-SysMLv2 translation
本稿では,自然言語からSysMLv2翻訳への適合性チェック駆動型フレームワークを提案する。
4つの大きな言語モデルバックエンドにまたがる151プロンプトの完全なSysMBenchプロンプトセットに対するアプローチを評価する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Model-Based Systems Engineering (MBSE) relies on formal system models as primary technical artifacts for representing requirements, structure, and behavior across the system lifecycle. With the standardization of SysMLv2 as a textual language, interest is increasing in translating natural-language descriptions directly into executable models. For practical deployment, generated models must be accepted by industrial modeling environments, not merely satisfy grammar constraints. We present a conformance-checker-driven framework for reliable natural-language-to-SysMLv2 translation that enforces production-level acceptance as the termination condition. The system embeds a SysMLv2 conformance checker within a generate-check-repair loop. Each model is evaluated using the checker, and deterministic diagnostics are incorporated into revisions until zero conformance errors are achieved. Using the production checker as the oracle ensures the framework targets deployability rather than grammar plausibility. We evaluate the approach on the full SysMBench prompt set of 151 prompts across four large language model backends, yielding 604 prompt-model cases. Single-shot generation achieves 51.16% production-conformance acceptance, while our approach achieves 100.00% conformance. By elevating production conformance from a post-processing check to a control mechanism within generation, the framework converts probabilistic outputs into production-accepted SysMLv2 artifacts suitable for loading, visualization, and engineering use.
- Abstract（参考訳）: モデルベースシステムエンジニアリング(MBSE)は、システムライフサイクル全体にわたる要件、構造、振舞いを表現するための主要な技術的成果物として、フォーマルなシステムモデルに依存している。
テキスト言語としてのSysMLv2の標準化により、自然言語記述を直接実行可能なモデルに変換することへの関心が高まっている。
実践的な展開のためには、生成されたモデルは単に文法制約を満たすだけでなく、産業モデリング環境によって受け入れられなければならない。
本稿では,自然言語からSysMLv2翻訳への適合性チェック駆動型フレームワークを提案する。
このシステムは、SysMLv2コンフォーマンスチェッカーをGenerator-check-repairループに埋め込む。
各モデルをチェッカーを用いて評価し、一致誤差がゼロになるまで決定論的診断をリビジョンに組み込む。
製品チェッカーをオラクルとして使用することで、フレームワークは文法的妥当性よりもデプロイ可能性をターゲットにしている。
我々は,SysMBenchプロンプトセットを4つの大きな言語モデルバックエンドにまたがって151プロンプトの完全なアプローチを評価し,604つのプロンプトモデルケースを生成する。
シングルショット生成は51.16%のプロダクション・コンパクタンス・コンパクタンス・コンパクタンス・コンパクタンスを達成し,本手法は100.00%のコンパクタンス・コンパクタンスを達成する。
このフレームワークは、後処理チェックから世代内の制御メカニズムへのプロダクション適合性を高めることで、確率的出力を、ロード、可視化、エンジニアリング使用に適したプロダクション対応のSysMLv2アーティファクトに変換する。
関連論文リスト
- A Hybrid LLM-Based Framework for Automated Security Annotation Generation in Business Process Models [1.527655765319308]
本稿では、BPMNプロセスモデルとセキュリティ要件文書を入力とし、SecBPMN2仕様に準拠したセキュリティアノテーションを自動的に生成するハイブリッドフレームワークを提案する。
このフレームワークは、さまざまなドメインから27のプロセスモデルのキュレートされたデータセットに基づいて総合的に評価される。
論文 参考訳（メタデータ） (2026-08-14T15:11:10Z) - SCP-NL2TL: Selective Conformal Prediction with Semantic Verification for Natural Language to Temporal Logic Specifications [28.546702829415207]
自然言語命令を機械解釈可能な形式仕様に変換することで、ロボットと自律システムは、その動作を計画し、推論し、正式に検証することができる。
既存の翻訳モデルは、通常、結果が信頼できないり、ユーザの意図を捉えなかったりしても、すべての入力に対して仕様を生成する。
選択的共形予測に着想を得て,形式仕様を生成するだけでなく,いつ信頼できるかを判断する選択翻訳フレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-05T22:17:09Z) - Formal Verification of Agentic Systems over Operational Data [59.98246281888422]
大規模言語モデル(LLM)によって駆動されるエージェントシステムは、永続的な運用データを扱う現実世界にますます展開されている。
既存のアプローチはそのようなシステムレベルの保証を提供していません。
本稿では, 1 つの LLM とツールオーケストレーションハーネスからなるエージェントシステムのリレーショナル操作データに対する検証について述べる。
論文 参考訳（メタデータ） (2026-08-04T13:01:30Z) - Model-Driven Discipline for Multi-Agent LLMs: Requirement-to-Verification Generation of Traceable System Models [62.62160094849002]
RADIANTは、MDEとMulti-Agent Large Language Modelを組み合わせたエンジニアリング方法論である。
工学的なフェーズにまたがる異種モデルを自動的に生成する。
正確かつ自動的な変更インパクト分析を提供する。
論文 参考訳（メタデータ） (2026-07-18T08:50:55Z) - VASO: Formally Verifiable Self-Evolving Skills for Physical AI Agents [57.240036084348354]
本稿では,ロボットスキルコントラクトの検証誘導自己進化のためのフレームワークであるVASOを紹介する。
VASOは論理的に一貫性のないスキル契約を検証し、グローバルおよびローカルな時間的仕様に対してスキルによって誘発される計画を検証する。
Clearpath Jackal と PX4 のクアッドコプタータスクでは、VASO は100点未満の最適化サンプルを使用して97.2% の形式的な仕様準拠に達した。
論文 参考訳（メタデータ） (2026-06-03T20:02:35Z) - LiveFMBench: Unveiling the Power and Limits of Agentic Workflows in Specification Generation [75.05397479715576]
大規模言語モデル(LLM)とエージェントは有望な進歩を示しているが、その真の能力と失敗モードは未だ不明である。
CプログラムのためのLCMおよびエージェントベースの形式仕様生成に関する、最初の体系的および汚染に配慮した研究を提案する。
論文 参考訳（メタデータ） (2026-05-02T11:31:33Z) - ClawEnvKit: Automatic Environment Generation for Claw-Like Agents [85.29126619772153]
我々は、オンデマンドで検証された環境を生成することができる自動生成パイプラインであるClawEnvKitを紹介する。
ClawEnvKitは、(1)自然言語入力から構造化生成パラメータを抽出するパイプライン、(2)タスク仕様、ツールインターフェース、スコアリング設定を生成するジェネレータ、(3)実現可能性、多様性、構造的妥当性、内部整合性を強制するバリデータからなる。
爪のようなエージェントの大規模なベンチマークであるAuto-ClawEvalを構築し、24のカテゴリで1,040の環境を網羅した。
論文 参考訳（メタデータ） (2026-04-20T17:36:49Z) - FASTRIC: Prompt Specification Language for Verifiable LLM Interactions [3.8073142980732997]
大規模言語モデル(LLM)は複雑なマルチターンインタラクションプロトコルを実行するが、デザイナの意図に対する実行を検証するための正式な仕様がない。
本稿では、自然言語のプロンプトで暗黙的な有限状態機械(FSM)を明示するプロンプト仕様言語であるFASTRICを紹介する。
論文 参考訳（メタデータ） (2025-12-22T01:19:50Z) - PAT-Agent: Autoformalization for Model Checking [17.082027022913998]
PAT-Agentは自然言語の自動形式化と形式モデル修復のためのエンドツーエンドフレームワークである。
これは、大きな言語モデルの生成能力と形式的検証の厳密さを組み合わせたものである。
論文 参考訳（メタデータ） (2025-09-28T06:32:14Z) - Leveraging LLMs for Formal Software Requirements -- Challenges and Prospects [0.0]
VERIFAI1は、このギャップを埋めるための自動化および半自動化アプローチを調査することを目的としている。
本論文では, 課題の繰り返しと今後の研究方向性を明らかにするために, 関連文献の予備的な合成について述べる。
論文 参考訳（メタデータ） (2025-07-18T19:15:50Z) - Bayesian Prompt Learning for Image-Language Model Generalization [64.50204877434878]
我々はベイズ法の正規化能力を用いて、変分推論問題としてプロンプト学習をフレーム化する。
提案手法は,プロンプト空間を正規化し,目に見えないプロンプトへの過剰適合を低減し,目に見えないプロンプトのプロンプト一般化を改善する。
ベイジアン・プロンプト学習がプロンプト空間の適切なカバレッジを提供する15のベンチマークを実証的に示す。
論文 参考訳（メタデータ） (2022-10-05T17:05:56Z) - GRIT: Generative Role-filler Transformers for Document-level Event
Entity Extraction [134.5580003327839]
本稿では、文書レベルでコンテキストをモデル化するための生成トランスフォーマーベースのエンコーダデコーダフレームワーク(GRIT)を紹介する。
我々は,MUC-4データセットに対する我々のアプローチを評価し,我々のモデルが先行作業よりもかなり優れていることを示す。
論文 参考訳（メタデータ） (2020-08-21T01:07:36Z)
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。