Galindo Duarte, José ÁngelDomínguez, Antonio J.White, JulesBenavides Cuevas, David Felipe2025-08-292025-08-292023https://hdl.handle.net/11441/176449Los modelos de características representan aspectos comunes y variables de las líneas de producto software. El análisis automatizado de los modelos de características ha permitido probar, mantener y mejorar las líneas de productos de software. Para probar el análisis de los modelos de características suele ser necesario basarse en un gran número de modelos lo más realistas posible. Existen diferentes propuestas para generar modelos sintéticos de características; sin embargo, los métodos existentes no tienen en cuenta la semántica de los conceptos del dominio. Este artículo propone el uso de Large language models (LLM), como Codex o GPT-3, para generar variantes realistas de modelos que preserven la coherencia semántica al tiempo que mantienen la validez sintáctica.application/pdf4 p.engAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/Large language modelsuniversal variability languageautomated analysisinfo:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/openAccess