Core Concepts
GPT-4-Visionは、UMLクラス図から一定の精度でJavaソースコードを生成することができる。単一クラスのUMLダイアグラムに対しては高い精度を示すが、複数クラスを含むUMLダイアグラムに対しては精度が低下する。
Abstract
本研究では、GPT-4-Visionの最新のニューラルネットワークモデルを使用し、UMLクラス図からのソースコード自動生成の可能性を評価した。
単一クラスのUMLダイアグラム10件と複数クラスのUMLダイアグラム8件を対象に、3種類の異なる指示文(prompt)を用いて実験を行った。生成されたソースコードを手動で評価し、ダイアグラム内の要素ごとにポイントを付与した。
その結果、GPT-4-Visionは単一クラスのUMLダイアグラムに対して高い精度(平均88.25%)でソースコードを生成できることが示された。一方で、複数クラスを含むUMLダイアグラムに対しては精度が低下する傾向にあった。指示文の詳細度によっても生成結果に差異が見られた。
今後は、より多様なUMLダイアグラムを対象に実験を行い、指示文の最適化や自動テストの導入などによって、GPT-4-Visionの性能向上を目指す。
Stats
単一クラスのUMLダイアグラムに対して、平均88.25%の精度でソースコードを生成できた。
複数クラスのUMLダイアグラムに対しては、最高95.65%、最低28.45%の精度であった。