Text2DSL：面向领域特定语言的LLM代码生成

领域特定语言（DSL）广泛用于管理操作系统安全策略，但在这类语言中手工编写规则要求高水平专业知识且易出错。本文把从自然语言描述自动生成DSL代码的任务——Text2DSL——形式化为一个独立的问题类，区别于Text-to-SQL与通用代码生成。我们介绍PolkitBench数据集：含4,204对经验证的自然语言到Polkit规则的配对——每对经三级基于AST的管线验证。在两个不同规模与出身的MoE模型（GigaChat-10B-A1.8B，激活1.8B参数；Nemotron-3-Nano-30B-A3B，激活3B）上的受控提示实验表明结构化上下文（BNF文法、API规范、允许的标识符词表）对LLM DSL代码生成的关键作用。跨两模型：提供上下文使句法有效率达98.6-99.4%、结构有效性提升+9.7至+35.5个百分点、CodeBLEU提升+60%至+95%。该效应在不同规模与出身模型间的一致性表明：对Text2DSL类问题——把形式化目标语言规范注入提示上下文是无需模型微调即可高质量生成的稳健使能因素。