論文の概要: LLM-Driven Approach to Modeling Tool Interoperability in Automotive Domain
- arxiv url: http://arxiv.org/abs/2607.14659v1
- Date: Thu, 16 Jul 2026 07:25:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-17 17:01:33.025681
- Title: LLM-Driven Approach to Modeling Tool Interoperability in Automotive Domain
- Title（参考訳）: LLMによる自動車分野におけるツールの相互運用性モデリング
- Abstract要約: 本稿では,LLMによるモデル相互運用の自動化手法を提案する。
提案手法はEcoreとSysML v2ベースのメタモデルを含む変換を通じて実証される。
自動車ケーススタディは、このアプローチの実現可能性を示し、大きな言語モデルが手動変換の労力を大幅に削減できることを示している。
- 参考スコア（独自算出の注目度）: 35.79287196352504
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Interoperability between heterogeneous modeling tools remains a significant challenge in Model-Driven Engineering (MDE), particularly in the automotive domain where multiple modeling languages, as well as defacto standard proprietary and open-source tools coexist. This paper presents an LLM-driven approach for automated model interoperability by considering two relevant aspects: 1) mapping model instances to a target metamodel 2) merging of metamodels. The proposed methodology is demonstrated through transformations involving Ecore and SysML v2 based metamodels and incorporates structural validation of generated model instances against user-defined target models. Automotive case studies illustrate the feasibility of the approach and show that large language models can significantly reduce manual transformation effort while generating structurally valid target models for cross-tool interoperability.
- Abstract（参考訳）: 異種モデリングツール間の相互運用性は、モデル駆動工学(MDE)において重要な課題であり、特に複数のモデリング言語が混在する自動車分野において、デファクト標準のプロプライエタリおよびオープンソースツールが共存している。
本稿では,2つの側面を考慮し,LLMによるモデル相互運用の自動化手法を提案する。
1)モデルインスタンスを対象メタモデルにマッピングする
2)メタモデルのマージ。
提案手法は,EcoreとSysML v2ベースのメタモデルを含む変換を通じて実証され,ユーザ定義対象モデルに対して生成されたモデルインスタンスの構造的検証が組み込まれている。
自動車ケーススタディは、このアプローチの実現可能性を示し、大きな言語モデルが、クロスツール相互運用性のための構造的に有効なターゲットモデルを生成しながら、手動変換の労力を大幅に削減できることを示します。
関連論文リスト
- 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) - From Text to DSL: Evaluating Grammar-Based Model Generation Using Open LLMs [2.5576448583538514]
大規模言語モデル(LLM)は、モデル駆動のソフトウェアエンジニアリングタスクを自動化する可能性が高まっている。
異なるサイズのオープンソース LLM が,少数ショットプロンプトのみを用いて DSL に適合するモデルを生成することができるかどうかを評価する。
論文 参考訳（メタデータ） (2026-05-15T11:33:48Z) - AutoMerge: Search-Based Model Merging Framework for Effective Model Reuse [8.950520457150178]
近年,大規模言語モデル (LLM) の分野において,学習自由なアプローチとしてモデルマージが出現している。
このようなアプローチが他のディープラーニングモデルに効果的に適用できるかどうかを体系的に検討する以前の研究はない。
3つの異なるモデルアーキテクチャ上で5つのモデルマージ手法を評価する。
論文 参考訳（メタデータ） (2026-01-30T09:27:01Z) - Meta-probabilistic Modeling [36.339664748241944]
複数の関連するデータセットから生成モデル構造を直接学習するメタ確率モデリング(MPM)を提案する。
学習と推論のために、抽出可能なVAEにインスパイアされたサロゲートの目的を提案し、双方向の最適化により最適化する。
我々は、オブジェクト中心の画像モデリングとシーケンシャルテキストモデリングでMPMを評価し、有意義な潜在表現を復元しながら、生成モデルをデータに適応させることを実証した。
論文 参考訳（メタデータ） (2026-01-08T00:34:06Z) - Heterogeneous Model Alignment in Digital Twin [0.0]
モデル駆動DTにおける主要な課題は、抽象層にまたがる異種モデルを整列させることである。
静的マッピングと手動の更新に依存する既存のメソッドは、しばしば柔軟性がなく、エラーを起こし、データの整合性を損なうリスクがある。
多層型モデル駆動型DTのための異種モデルアライメント手法を提案する。
論文 参考訳（メタデータ） (2025-12-17T10:36:55Z) - Merge and Guide: Unifying Model Merging and Guided Decoding for Controllable Multi-Objective Generation [49.98025799046136]
Merge-And-GuidEは、ガイド付きデコーディングにモデルマージを利用する2段階のフレームワークである。
ステージ1では、MAGEはガイダンスとベースモデルの互換性の問題を解決する。
ステージ2では、明示的で暗黙的な値モデルを統一的なガイダンスプロキシにマージします。
論文 参考訳（メタデータ） (2025-10-04T11:10:07Z) - SE-Merging: A Self-Enhanced Approach for Dynamic Model Merging [60.83635006372403]
textttSE-Mergingは自己拡張型モデルマージフレームワークである。
textttSE-Mergingは、追加のトレーニングなしで動的モデルのマージを実現することを示す。
論文 参考訳（メタデータ） (2025-06-22T18:38:41Z) - OptMerge: Unifying Multimodal LLM Capabilities and Modalities via Model Merging [124.91183814854126]
モデルマージは、複数のエキスパートモデルをひとつのモデルに組み合わせようとしている。
本稿ではMLLMのトレーニングと評価のタスクを明確に分割したモデルマージ研究のベンチマークを紹介する。
モデルマージは、トレーニングデータを必要とせずに改善されたMLLMを構築するための有望な方法であることがわかった。
論文 参考訳（メタデータ） (2025-05-26T12:23:14Z) - AdaMMS: Model Merging for Heterogeneous Multimodal Large Language Models with Unsupervised Coefficient Optimization [86.8133939108057]
異種MLLMに適した新しいモデルマージ手法であるAdaMMSを提案する。
提案手法は,マッピング,マージ,検索という3段階の課題に対処する。
ラベル付きデータ無しで異種MLLMをマージできる最初のモデルマージ手法として、AdaMMSは様々なビジョンベンチマークで過去のモデルマージ手法より優れている。
論文 参考訳（メタデータ） (2025-03-31T05:13:02Z) - LLM-enabled Instance Model Generation [4.52634430160579]
本研究では,大規模言語モデル(LLM)を用いたインスタンスモデルの生成について検討する。
まず、LLMを用いて、必要なすべてのインスタンスモデル情報を含む簡易な構造化出力を生成し、その中間表現を有効なXMIファイルにコンパイルする。
提案手法は, 実例モデル生成タスクにおけるLCMのユーザビリティを著しく向上することを示す。
論文 参考訳（メタデータ） (2025-03-28T16:34:29Z) - Efficient and Effective Weight-Ensembling Mixture of Experts for Multi-Task Model Merging [111.8456671452411]
マルチタスク学習(MTL)は、共有モデルを利用して複数のタスクを遂行し、知識伝達を促進する。
マルチタスクモデル統合のためのウェイトエンセブリング・ミックス・オブ・エキスパート(WEMoE)手法を提案する。
WEMoEとE-WEMoEは, MTL性能, 一般化, 堅牢性の観点から, 最先端(SOTA)モデルマージ法より優れていることを示す。
論文 参考訳（メタデータ） (2024-10-29T07:16:31Z) - Exploring Model Kinship for Merging Large Language Models [73.98345036483299]
我々は, モデル進化を反復的融合を通じて研究し, 生物進化の類似性について考察した。
モデル親和性はマージによって達成された性能改善と密接に関連していることを示す。
本稿では,新しいモデル統合戦略を提案する。
論文 参考訳（メタデータ） (2024-10-16T14:29:29Z)
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。