[Submitted on 28 Jul 2026]

View PDF HTML (experimental)

Abstract:大型語言模型（LLM）日益應用於以圖表為基礎的軟體與資料建模。在各種建模符號中，UML 和實體關係（ER）圖分別是最廣泛採用於軟體建模與資料建模的表示法。近期文獻已探討 LLM 在圖表建模中的各種應用，然而其有效性與限制尚未獲得廣泛討論。本系統性文獻回顧分析了 2023 年至 2025 年間發表的 64 項研究，檢視圖表涵蓋範圍、建模任務、技術方法、評估實務以及限制。研究發現顯示出顯著的集中模式與缺口。以 UML 為基礎的軟體建模高度主導，其中類別圖受到最多關注，而行為圖與資料建模則明顯不足。從自然語言建構圖表是主要焦點，而在轉換、品質保證與一致性檢查方面的研究較少。基於 GPT 的模型佔比極高，引發可再現性與廠商依賴的疑慮。評估實務呈現異質性，使用多樣化的指標與自訂資料集，基準重複使用有限，且在穩健性與統計顯著性的報告上不一致。常見限制包括語意不準確、虛構圖表元素、對提示詞表述的敏感度，以及可再現性受限。本調查首次系統性綜述 LLM 基於圖表建模的研究，強調標準化基準、更強的評估協議、更廣泛的圖表涵蓋範圍，以及改善語意可靠性與多視圖一致性技術的必要性。

Submission history

From: Mojdeh Rahmanian [view email]
[v1] Tue, 28 Jul 2026 06:41:32 UTC (3,445 KB)