Text2Arch：用于从自然语言描述生成科学架构图的数据集

仅通过文本来传达复杂的系统设计或科学过程效率低下并且容易产生歧义。从具有高语义保真度的文本自动生成科学架构图的系统可用于多种应用，例如企业架构可视化、人工智能驱动的软件设计和教育内容创建。因此，在本文中，我们重点关注利用语言模型对输入文本描述进行语义理解，以生成可处理以生成高保真架构图的中间代码。不幸的是，不存在干净的大规模开放数据集，这意味着该任务缺乏任何有效的开放模型。因此，我们贡献了一个全面的数据集 \system，其中包括科学建筑图像、其相应的文本描述以及相关的 DOT 代码表示。利用这一资源，我们微调了一套小型语言模型，并使用 GPT-4o 执行上下文学习。通过广泛的实验，我们表明 \system{} 模型的性能显着优于现有的基线模型（例如DiagramAgent），并且与 GPT-4o 中基于上下文学习的生成模型的性能相当。我们公开代码、数据和模型。