論文の概要: Is there a future for models in the LLM era?

• arxiv url: http://arxiv.org/abs/2609.35281v1
• Date: Mon, 28 Sep 2026 14:33:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-02 06:56:11.73154
• Title: Is there a future for models in the LLM era?
• Title（参考訳）: LLM時代のモデルに未来はあるか?
• Abstract要約: ARTHURは、ダイアグラムから伝統的なルールベースのMDEコードジェネレータによって生成されるレガシーJavaコードを対象として設計されている。 我々は、時間とコスト、テストレートのパス、textttcompile@k、 textttpass@k、 textttpass$k$で得られた結果を測定します。
• 参考スコア（独自算出の注目度）: 2.3464487954718822
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In an era where software development is deeply tied with Large Language Models, does Model Driven Engineering (MDE) still make sense? This raises the question of the extent to which MDE can be successfully combined with an LLM approach to address the downsides of each approach separately. In this paper, we try to answer that question by investigating a central Research Question: Can Agents powered by Large Language Models improve code generated from UML diagrams and text specifications by Model Driven Engineering (MDE) tools? To investigate this problem, we developed a novel LLM-powered Multi-Agentic approach called ARTHUR (Architecture Refactoring Through Hybrid UML Reasoning), a framework that aims at combining the reliability of MDE and the ease of use of LLMs. ARTHUR is designed to refactor legacy Java code produced by traditional, rule-based, MDE code generators from UML diagrams. To asses the answer to our question, we have refactored the legacy code of several projects from our custom dataset crafted for this purpose. \name{} which made it possible to add support for modern frameworks like Spring Boot, while ensuring compliance with Model-Based Testing techniques to verify that the code still corresponds to the initial model's specifications. We then measured the results obtained in terms of time and cost, passing test rate, and \texttt{compile@k}, \texttt{pass@k} and \texttt{pass$^k$} metrics. We also observed the effect of generating code directly from the conceptual model without the refactoring. Our preliminary test results show that MDE could not be more far from retirement, after all.
• Abstract（参考訳）: ソフトウェア開発が大規模言語モデルと深く結びついている今、モデル駆動工学(MDE)はいまだに意味があるのだろうか? これにより、それぞれのアプローチの欠点に対処するために、MDEがLLMアプローチとうまく組み合わせられるかという疑問が提起される。 本稿では,モデル駆動工学(MDE)ツールによるUML図およびテキスト仕様から生成されたコードを改善することができるのか? そこで我々は,MDE の信頼性と LLM の使いやすさを両立するフレームワークである ARTHUR (Architecture Refactoring through Hybrid UML Reasoning) を開発した。 ARTHURは、UMLダイアグラムから伝統的なルールベースのMDEコードジェネレータによって生成されるレガシーなJavaコードをリファクタリングするように設計されています。 質問に答えるために、私たちは、この目的のために作られたカスタムデータセットから、いくつかのプロジェクトのレガシーコードをリファクタリングしました。 これにより、Spring Bootのようなモダンなフレームワークのサポートを追加し、モデルベースのテスト技術への準拠を確保して、コードが初期モデルの仕様にまだ準拠していることを確認することが可能になる。 次に、時間とコスト、テスト速度、および \texttt{compile@k}, \texttt{pass@k}, \texttt{pass$^k$} の測定結果を測定した。 また、リファクタリングなしで概念モデルから直接コードを生成する効果も観察した。 予備試験の結果, MDEは, もはや引退には程遠いものではなかった。

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)
• Connecting the Models: A Global Mega-model of MDE Projects on GitHub [0.0]
  モデル駆動エンジニアリングの鍵となる要素は、ドメイン固有のモデリング環境の構築である。 理論上、EMF、ATL、Epsilon、Xtextなどの専用技術は高品質な環境の構築を促進するだろう。 本稿では,MDEが実際にどのように使われているかを研究するための基盤を構築することを目的とする。
  論文  参考訳（メタデータ） (2026-06-28T21:18:31Z)
• 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)
• Test-Oriented Programming: rethinking coding for the GenAI era [0.7106986689736825]
  大規模言語モデル(LLM)は、ソフトウェアコードを生成する驚くべき能力を示しており、プログラミングの開発者をサポートするために使われるようになった。 LLMは、テスト指向プログラミング(ToP)と呼ばれる新しいパラダイムである、より高いレベルの抽象化を可能にすることができる、と私たちは論じています。 このパラダイム内では、開発者は本番コードではなく、自然言語仕様に基づいて生成されたテストコードのみをチェックする必要がある。
  論文  参考訳（メタデータ） (2026-04-09T11:21:28Z)
• On LLM-Assisted Generation of Smart Contracts from Business Processes [0.08192907805418582]
  大規模言語モデル(LLM)は、ソフトウェアの生成方法の現実を変えました。 本稿では、ビジネスプロセス記述からスマートコントラクトコードを生成するためのLCMの使用について探索的研究を行う。 以上の結果から,LLMの性能はスマートコントラクト開発に必要な信頼性に劣ることがわかった。
  論文  参考訳（メタデータ） (2025-07-30T20:39:45Z)
• 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)
• Online Intrinsic Rewards for Decision Making Agents from Large Language Model Feedback [52.763620660061115]
  ONIは、RLポリシーと本質的な報酬関数を同時に学習する分散アーキテクチャである。 我々は、様々な複雑さを持つ報酬モデリングのためのアルゴリズムの選択範囲を探索する。 提案手法は,NetHack Learning Environment の様々な課題にまたがって,最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-10-30T13:52:43Z)
• VersiCode: Towards Version-controllable Code Generation [58.82709231906735]
  大規模言語モデル(LLM)は、コード生成において大きな進歩を遂げていますが、既存の研究は、ソフトウェア開発の動的な性質を説明できません。 バージョン別コード補完(VSCC)とバージョン別コードマイグレーション(VACM)の2つの新しいタスクを提案する。 VersiCodeについて広範な評価を行い、バージョン管理可能なコード生成が確かに重要な課題であることを示した。
  論文  参考訳（メタデータ） (2024-06-11T16:15:06Z)
• Coding by Design: GPT-4 empowers Agile Model Driven Development [0.03683202928838613]
  この研究は、アジャイルモデル駆動開発(MDD)アプローチを提供し、OpenAIのGPT-4を使ってコードの自動生成を強化する。 私たちの研究は、現行のMDDメソッドへの重要な貢献として"アジリティ"を強調しています。 最終的に、GPT-4を利用して、最後のレイヤはJavaとPythonの両方でコードを自動生成します。
  論文  参考訳（メタデータ） (2023-10-06T15:05:05Z)
• Adapting Large Language Models for Content Moderation: Pitfalls in Data Engineering and Supervised Fine-tuning [79.53130089003986]
  大規模言語モデル(LLM)は、様々なドメインでタスクを処理するための実現可能なソリューションとなっている。 本稿では、コンテンツモデレーションのためにプライベートにデプロイ可能なLLMモデルを微調整する方法を紹介する。
  論文  参考訳（メタデータ） (2023-10-05T09:09:44Z)
• Attributed Question Answering: Evaluation and Modeling for Attributed Large Language Models [68.37431984231338]
  大規模言語モデル(LLM)は、直接の監督をほとんど必要とせず、様々なタスクにわたって印象的な結果を示している。 我々は、LLMが生成するテキストの属性に持つ能力は、この設定においてシステム開発者とユーザの両方にとって不可欠であると信じている。
  論文  参考訳（メタデータ） (2022-12-15T18:45:29Z)

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。