近日，我校计算机与信息学院智慧农林福建省高校重点实验室研究团队在大模型与软件工程领域取得重要研究突破，相关论文《Text‑to‑Mapper:Generating Executable MyBatis ORM Artifacts from Natural Language Requirements》（《Text‑to‑Mapper：基于自然语言需求生成可执行 MyBatis 对象关系映射构件》）在线发表于软件工程领域国际权威顶刊IEEE Transactions on Software Engineering（《电气电子工程师学会软件工程汇刊》）。该刊为中国计算机学会CCF A类期刊，是软件工程方向国际公认的顶级学术刊物，在全球软件工程研究领域具备极高的学术影响力。
大模型技术的快速发展为软件工程任务带来全新机遇，代码大模型在代码生成、缺陷检测、软件自动化开发等场景展现巨大应用潜力。但在真实复杂的软件项目落地过程中，仍面临领域适配不足、长上下文理解能力弱、领域数据稀缺、模型输出稳定性差等诸多现实难题，制约大模型在软件工程实践场景的大规模落地应用。如何面向软件工程任务优化大模型能力，提升模型对软件代码、开发流程的理解与生成质量，是当前领域亟待解决的关键科学问题。
为此，团队开创性地提出 Text-to-Mapper 全新任务，结合数据库模式与编程语言实体规范，基于自然语言业务需求自动生成可直接运行的 Mapper 对象关系映射构件文件。相较于传统编程方式，该技术不仅能够有效提升软件开发效率，还可生成准确度高、复杂度高的 Mapper 代码，进一步增强软件生成结果的可靠性。本研究还构建了高质量数据集 MyBatis-Spider 与完整评测流水线，并提出面向程序执行语义的对象语义对齐指标，用于客观评判生成 Mapper 代码的语义正确性。研究发现直接使用大模型会频繁出现字段-列-类型绑定错误，团队由此提出跨结构表二维表征，建立实体与数据表之间的对应关系，有效减少字段匹配错误；在此基础上结合参数高效微调，中等规模开源大模型显著缩小与大参数通用模型的性能差距，部分场景下性能持平甚至实现超越，为构建可控、可本地部署的自动生成系统提供可行技术路径，也为大模型赋能农林行业业务软件自动化研发提供新的解决思路。
Text-to-Mapper 整体框架
智慧农林福建省高校重点实验室立足农林学科特色，持续推进人工智能交叉创新，聚焦农林垂直领域大模型开展科研攻关，围绕大模型、软件自动化开发、农林大数据软件系统持续深耕，坚持把前沿人工智能技术与数字农林产业实际需求相结合，持续产出高水平科研成果，助力区域数字经济与智慧农林建设。
kaiyun开云官方网页版为该论文第一单位与通讯单位。计算机与信息学院2023级硕士研究生陈振涵为第一作者，林晓宇副教授为通讯作者。本研究工作得到福建省自然科学基金（2023J01078）的资助。
论文链接：https://doi.org/10.1109/TSE.2026.3702824。
作者简介：
1.林晓宇（通讯作者）简介：kaiyun开云官方网页版计算机与信息学院副教授，智慧农林福建省高校重点实验室副主任，硕士生导师，主要研究方向为大模型与智慧农林，近年来在深度学习、大模型、智慧农业等相关研究领域发表论文10余篇。
2.陈振涵（第一作者）简介：kaiyun开云官方网页版计算机与信息学院计算机科学与技术专业2023级硕士研究生，主要研究方向为大模型与智能软件工程，在大模型领域发表多篇相关论文。
