Framework LLM per la Traduzione di Simulazioni di Code
Un nuovo framework utilizza modelli linguistici di grandi dimensioni (LLM) per convertire descrizioni di sistemi di code concettuali in script SimPy funzionali. La ricerca introduce una metodologia basata su categorie e template volta a garantire una copertura completa dei meccanismi, insieme a un processo di adattamento per fasi che si concentra sulla logica strutturata degli eventi e sugli errori di simulazione più comuni. Testato su compiti riservati, i modelli adattati hanno mostrato miglioramenti in eseguibilità, conformità ai formati di output e coerenza tra istruzioni e meccanismi in vari scenari di code, inclusi sistemi di base, comportamentali e in rete, aumentando così l'affidabilità degli script generati.
Fatti principali
- 1. Il framework è mirato alla traduzione di modelli di code basati su SimPy.
- 2. Utilizza un framework basato su categorie e template per la copertura dei meccanismi.
- 3. Un flusso di lavoro di adattamento a fasi affronta la logica strutturata degli eventi e le modalità di fallimento specifiche della simulazione.
- 4. I test su compiti tenuti da parte hanno mostrato miglioramenti in eseguibilità, conformità al formato di output e coerenza tra istruzioni e meccanismi.
- 5. L'approccio copre impostazioni di code di base, comportamentali e in rete.
- 6. L'obiettivo è ridurre lo sforzo manuale nella verifica della logica delle code.
- 7. I soli LLM spesso producono script eseguibili con logica errata di arrivo, instradamento, interruzione o reporting.
- 8. Lo studio è pubblicato su arXiv con ID 2601.06543.
Entità
Istituzioni
- arXiv