论文
论大语言模型在概念数据库建模中的局限
On the Limitations of Large Language Models for Conceptual Database Modeling
摘要
本文分析将大语言模型（LLM）用作关系数据库概念建模辅助的情况，即从自然语言需求自动生成实体-关系（ER）图。该方法将不同的语言模型与提示工程技巧相结合，评估它们以概念一致的方式识别实体、关系和属性的能力。实验评估涉及三个LLM，每个都施加三种提示技术（Zero-Shot、Chain of Thought和Chain of Thought + Verifier），应用于复杂度渐进增加的相同需求场景。生成的图通过与环境文本需求直接对比进行定性分析，考察所建模元素在结构和语义上的贴合程度。结果表明，尽管LLM在较不复杂的场景中表现尚可，但随着需求复杂度上升，其可靠性下降，不一致、歧义以及约束表示失败随之增多。这些发现进一步证实，就当前状态而言，LLM尚不足以在复杂场景中可靠使用，且验证成本可能抵消表面的生产力收益。
