論文の概要: UPPAAi: Towards LLM-Assisted Modeling, Verification, Analysis and Synthesis

• arxiv url: http://arxiv.org/abs/2610.40042v1
• Date: Thu, 29 Oct 2026 13:40:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-01 01:32:10.090141
• Title: UPPAAi: Towards LLM-Assisted Modeling, Verification, Analysis and Synthesis
• Title（参考訳）: UPPAAi: LLMによるモデリング・検証・分析・合成を目指して
• Abstract要約: UPPAAIは、ユーザがLLMと対話するモデルを構築し、説明し、デバッグし、指定できるUPPAALの拡張である。 LLMが提案し、説明し、オーケストレーションし、UPPAALが検証する。
• 参考スコア（独自算出の注目度）: 0.6424762079392284
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For more than three decades, UPPAAL has supported the modelling and analysis of real-time and cyber-physical systems. Yet building a suitable model, formalising the intended properties, choosing analysis techniques and interpreting counterexamples remain iterative tasks that demand substantial expertise. Large language models (LLMs) can offer plausible explanations and even solutions, but they are not necessarily correct. We present UPPAAI, an extension of UPPAAL in which users construct, explain, debug and specify models in dialogue with an LLM. The guiding principle is that the user requests, the LLM proposes, explains and orchestrates, and UPPAAL verifies. UPPAAI exposes the UPPAAL editor, queries and verifier through a Tools API. We report on seven case studies, from explaining to a newcomer to learning a controller, covering timed automata, stochastic hybrid automata and strategy learning. LLMs proved to be extremely helpful in not just generating solutions but also pro-actively suggesting relevant UPPAAL features it was not asked about.
• Abstract（参考訳）: 30年以上にわたり、UPPAALはリアルタイムおよびサイバー物理システムのモデリングと分析を支援してきた。 しかし、適切なモデルを構築し、意図した特性を定式化し、分析手法を選択し、反例を解釈し、かなりの専門知識を必要とする反復的なタスクを継続する。 大規模言語モデル(LLM)は、もっともらしい説明や解決策を提供することができるが、必ずしも正しいとは限らない。 本稿では,ユーザがLLMと対話するモデルを構築し,説明し,デバッグし,指定するUPPAALの拡張であるUPPAAIを提案する。 LLMが提案し、説明し、オーケストレーションし、UPPAALが検証する。 UPPAAIはツールAPIを通じてUPPAALエディタ、クエリ、検証ツールを公開する。 本稿では,新参者への説明からコントローラの学習,タイムドオートマトン,確率的ハイブリッドオートマトン,戦略学習に至るまで,7つのケーススタディについて報告する。 LLMは、ソリューションを生成するだけでなく、質問されなかったUPPAALの関連機能を積極的に提案する上で非常に有用であることが判明した。

関連論文リスト

• Software Defined Vehicle Code Generation: A Few-Shot Prompting Approach [0.0]
  汎用大規模言語モデル (LLM) は、ドメイン間の変換ポテンシャルを実証している。 本研究は, LLMと対話し, 応答をリダイレクトするための共通かつ基本的な手法であるプロンプトを用いることを提案する。 高度なプロンプト技術を用いて設計された適切な効率的なプロンプト構造を持つシステムプロンプトのみを用いることで、LLMはトレーニングセッションや基本設計へのアクセスを必要とせずに製造することができる。
  論文  参考訳（メタデータ） (2025-11-06T22:27:39Z)
• Meeseeks: A Feedback-Driven, Iterative Self-Correction Benchmark evaluating LLMs' Instruction Following Capability [21.96694731466089]
  フィードバック機構を組み込んだ完全に自動化された命令追従ベンチマークであるMeeseeksを紹介した。 Meeseeksは、モデル応答における誤ったコンポーネントを特定し、対応するフィードバックを正確に提供することで、モデルを自己補正に向けて反復的に導く。 我々は、マクロレベルとインスタンスレベルの両方から包括的な分析を行い、現在の最先端モデルでよく見られる多くの共通問題を明らかにした。
  論文  参考訳（メタデータ） (2025-04-30T13:28:19Z)
• From Prompts to Templates: A Systematic Prompt Template Analysis for Real-world LLMapps [20.549178260624043]
  大規模言語モデル(LLM)は、自然言語のプロンプトを通じて直感的なタスク実行を可能にすることで、人間とAIのインタラクションに革命をもたらした。 構造や単語の小さなバリエーションは、出力に大きな違いをもたらす可能性がある。 本稿では,実用LLMappにおけるプロンプトテンプレートの包括的解析について述べる。
  論文  参考訳（メタデータ） (2025-04-02T18:20:06Z)
• Verbalized Machine Learning: Revisiting Machine Learning with Language Models [63.10391314749408]
  言語化機械学習(VML)の枠組みを紹介する。 VMLはパラメータ空間を人間の解釈可能な自然言語に制限する。 我々は,VMLの有効性を実証的に検証し,VMLがより強力な解釈可能性を実現するためのステップストーンとして機能することを期待する。
  論文  参考訳（メタデータ） (2024-06-06T17:59:56Z)
• Are Large Language Models Good Prompt Optimizers? [65.48910201816223]
  我々は,LLMに基づくPrompt Optimizationの実際のメカニズムを明らかにするために研究を行っている。 以上の結果から, LLMは, 反射中の誤差の真の原因を特定するのに苦慮し, 自己の事前知識に偏っていることが明らかとなった。 我々は、より制御可能な方法でターゲットモデルの振舞いを直接最適化する新しい「自動振舞い最適化」パラダイムを導入する。
  論文  参考訳（メタデータ） (2024-02-03T09:48:54Z)
• Evaluating and Explaining Large Language Models for Code Using Syntactic Structures [74.93762031957883]
  本稿では,コード用大規模言語モデルに特有の説明可能性手法であるASTxplainerを紹介する。 その中核にあるASTxplainerは、トークン予測をASTノードに整合させる自動メソッドを提供する。 私たちは、最も人気のあるGitHubプロジェクトのキュレートデータセットを使用して、コード用の12の人気のあるLLMに対して、実証的な評価を行います。
  論文  参考訳（メタデータ） (2023-08-07T18:50:57Z)
• Self-Checker: Plug-and-Play Modules for Fact-Checking with Large Language Models [75.75038268227554]
  Self-Checkerはファクトチェックを容易にするプラグインとプレイモジュールからなるフレームワークである。 このフレームワークは、低リソース環境でファクトチェックシステムを構築するための、高速で効率的な方法を提供する。
  論文  参考訳（メタデータ） (2023-05-24T01:46:07Z)

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。