Data Dependency Inference for Industrial Code Generation Based on UML Sequence Diagrams
Created by
Haebom
저자
Wenxin Mao, Zhitao Wang Long Wang, Sirong Chen, Cuiyun Gao, Luyang Cao, Ziming Liu, Qiming Zhang, Jun Zhou, Zhi Jin
개요
본 논문은 자연어 설명으로부터 코드를 생성하는 대규모 언어 모델(LLM)의 한계를 극복하기 위해 UML2Dep이라는 새로운 단계별 코드 생성 프레임워크를 제안한다. 기존의 자연어 설명의 모호성을 해결하기 위해 서비스 지향 아키텍처에 맞춤화된 확장된 UML 시퀀스 다이어그램을 사용하여 시스템 동작, 조건부 로직, 아키텍처 제약 조건 등 복잡한 요구사항을 명확하게 형식화한다. 특히 데이터 흐름의 중요성을 인지하여, 데이터 종속성 추론(DDI) 작업을 도입하여 코드 합성 전에 명시적인 데이터 종속성 그래프를 생성한다. DDI는 LLM의 수학적 강점을 활용하여 제약 조건이 있는 수학적 추론 작업으로 공식화되고, 추가적인 정적 파싱 및 종속성 가지치기를 통해 복잡한 명세와 관련된 컨텍스트 복잡성과 인지 부하를 줄여 정확성과 효율성을 높인다.
시사점, 한계점
•
시사점:
◦
모호한 자연어 설명의 한계를 극복하고 복잡한 요구사항을 명확하게 표현하는 새로운 코드 생성 프레임워크 제시.
◦
UML 시퀀스 다이어그램 확장 및 데이터 종속성 추론(DDI)을 통한 서비스 지향 아키텍처에 대한 코드 생성 성능 향상.
◦
LLM의 수학적 능력을 활용하여 데이터 종속성 추론의 신뢰성을 높임.
◦
정적 파싱과 종속성 가지치기를 통해 LLM의 추론 정확성과 효율성 개선.
•
한계점:
◦
제안된 UML 확장 및 DDI의 일반적인 서비스 지향 아키텍처 이외의 시스템에 대한 적용성 검증 필요.
