42、领域特定建模语言的自然语言扩展

领域特定建模语言的自然语言扩展

1 引言

领域特定语言（DSLs）和自然语言处理（NLP）是与机器交互的两种不同方法，各有优缺点，且优势和劣势具有互补性。因此，有一种方法尝试将这两种范式融合，以发挥它们的优势并克服劣势。下面将详细介绍相关概念、技术及一个示例实现。

2 预备知识

2.1 语言驱动工程（LDE）

LDE 是一种将 DSLs 聚焦于解决特定领域问题的范式。它旨在为领域内的每个子问题或利益相关者提供多个 DSLs，通过将潜在解决方案分解为相互独立但又高度交互的 DSLs，提供强大的工具以轻松解决问题。本文的方法也遵循 LDE 方法，但不是将单个 DSL 分解为多个 DSL，而是在特定领域环境中使用自然语言。

2.2 大语言模型（LLMs）与编程

以 ChatGPT 为代表的 LLMs，如 LLaMa、GPT1 - GPT4、PaLM 等，推动了自然语言处理的快速发展。LLMs 常被用作生成模型，输入自然语言描述，输出文本、图像、音频或代码等。现代 LLMs 在代码生成方面表现越来越好，例如 GPT - 4 在 Human - Eval 数据集上的得分达到 67%，而 GPT - 3.5 仅为 48.1%。

2.3 基于学习的测试

基于学习的测试是一种使用主动自动机学习对黑盒系统进行全自动测试的方法。在这种方法中，学习者通过公共接口与被学习系统（SUL）直接交互，通过输入自动构造的测试查询并记录 SUL 的反应，推断出表示系统行为的自动机模型。通常，学习会与模型检查结合，以自动验证推断模型上的系统属性。在测试 Web 应用程序方面，基于学习的测试有很长的研究