日本語タイトル#
大規模言語モデルを用いた自動化システム統合の採用
英文タイトル#
Adopting Large Language Models to Automated System Integration
日本語摘要#
現代の企業計算システムは、共通のタスクを解決するために複数のサブシステムを統合しています。広く用いられているアプローチは、REST や OpenAPI などの Web 技術を用いて実装されたサービスを使用することで、これらはそれぞれインタラクションメカニズムとサービス文書標準を提供します。各サービスは特定のビジネス機能を表し、カプセル化とメンテナンスの容易さを可能にします。個々のサービスレベルでメンテナンスコストが削減される一方で、統合の複雑さは増加します。したがって、自動サービス構成アプローチがこの問題を緩和するために登場しました。しかし、これらのアプローチは複雑な形式的モデリングに依存しているため、実際には高い受け入れを得ていません。この博士論文では、自然言語入力に基づいてサービスを自動的に統合するための大規模言語モデル（LLMs）の適用を分析します。その結果は、再利用可能なサービス構成、例えばプログラムコードとして得られます。完全に正しい結果を生成するわけではありませんが、結果は統合エンジニアに適切な解決策の近似値を提供するため、依然として有用であり、運用開始にはほとんど努力を要しません。私たちの研究には、（i）LLMs を使用した自動サービス構成のためのソフトウェアアーキテクチャの導入、（ii）サービス発見のための検索強化生成（RAG）の分析、（iii）自然言語クエリに基づくサービス発見の新しいベンチマークの提案、（iv）ベンチマークを完全なサービス構成シナリオに拡張することが含まれます。私たちは、私たちのソフトウェアアーキテクチャ、サービス発見のための RAG の分析、およびサービス発見ベンチマークの提案を提示しました。オープンな問題は、主にサービス発見ベンチマークをサービス構成シナリオに拡張することと、微調整や LLM エージェントを使用したサービス構成生成の改善です。
英文摘要#
Modern enterprise computing systems integrate numerous subsystems to resolve a common task by yielding emergent behavior. A widespread approach is using services implemented with Web technologies like REST or OpenAPI, which offer an interaction mechanism and service documentation standard, respectively. Each service represents a specific business functionality, allowing encapsulation and easier maintenance. Despite the reduced maintenance costs on an individual service level, increased integration complexity arises. Consequently, automated service composition approaches have arisen to mitigate this issue. Nevertheless, these approaches have not achieved high acceptance in practice due to their reliance on complex formal modeling. Within this Ph.D. thesis, we analyze the application of Large Language Models (LLMs) to automatically integrate the services based on a natural language input. The result is a reusable service composition, e.g., as program code. While not always generating entirely correct results, the result can still be helpful by providing integration engineers with a close approximation of a suitable solution, which requires little effort to become operational. Our research involves (i) introducing a software architecture for automated service composition using LLMs, (ii) analyzing Retrieval Augmented Generation (RAG) for service discovery, (iii) proposing a novel natural language query-based benchmark for service discovery, and (iv) extending the benchmark to complete service composition scenarios. We have presented our software architecture as Compositio Prompto, the analysis of RAG for service discovery, and submitted a proposal for the service discovery benchmark. Open topics are primarily the extension of the service discovery benchmark to service composition scenarios and the improvements of the service composition generation, e.g., using fine-tuning or LLM agents.
PDF 获取#
抖音で QR コードをスキャンしてさらに素晴らしいコンテンツを見つける