利用大型語言模型實現元模型與語法協同演化

本文針對模型驅動工程中元模型演化導致的語法適配難題，提出了一種基於大型語言模型（LLM）的自動化適配方法。傳統基於規則的方法在處理複雜語法場景時存在侷限，而本研究透過讓模型學習歷史版本中的適配模式，實現了新語法版本的自動更新。研究團隊在六個真實的Xtext領域特定語言資料集上進行了評估，利用四個DSL進行訓練以最佳化提示策略，並在另外兩個DSL及QVTo縱向案例中進行驗證。實驗結果顯示，在測試集上，Claude Sonnet 4.5、ChatGPT 5.1和Gemini 3均達到了100%的適配一致性與輸出相似度，顯著優於傳統規則方法。儘管在大規模語法場景下存在侷限性，該研究證明了LLM在處理複雜語法適配方面的巨大潛力，為降低人工維護成本提供了新思路。