Resumen: Exploramos el potencial de los modelos de lenguaje grande (LLM), la generación aumentada de recuperación (RAG) y el RAG basado en gráficos (GraphRAG) para generar matrices de estructura de diseño (DSM). Probamos estos métodos en dos casos de uso distintos: un destornillador eléctrico y un CubeSat con referencias arquitectónicas conocidas, evaluando su desempeño en dos tareas clave: determinar las relaciones entre componentes predefinidos y el desafío más complejo de identificar componentes y sus relaciones posteriores. Medimos el rendimiento evaluando cada elemento del DSM y la arquitectura general. A pesar de los desafíos computacionales y de diseño, identificamos oportunidades para la generación automatizada de DSM, con todo el código disponible públicamente para su reproducibilidad y más comentarios de los expertos en el dominio.
Publicado originalmente en export.arxiv.org el 19 de febrero de 2026.
Ver fuente original
