Análise do uso de Modelos de Linguagem de Grande Escala na Geração de Códigos para Simulação de Redes utilizando o Mininet-WiFi

• Antonio de Sousa Cruz Neto UFBA
• Vinícius A. R. Almeida UFMG
• Paulo H. L. Rettore UFMG / UFLA
• Bruno Santos UFBA

DOI: https://doi.org/10.5753/sbrc.2026.19370

Resumo

O presente artigo investiga a capacidade de modelos de linguagem de grande escala (LGEs) em gerar scripts em Python para um emulador de redes cabeadas e sem fio, o Mininet-Wifi. O estudo realiza uma análise dos fatores que influenciam a eficácia desses modelos na produção de códigos funcionais em três níveis de complexidade. Para cada nível, foram aplicados prompts simples e detalhados, a fim de analisar como as instruções influenciam no desempenho dos códigos gerados. O estudo ainda compara o melhor modelo online e um modelo local open-weight na reprodução de um exemplo oficial do Mininet-WiFi, avaliando sua capacidade de gerar scripts funcionais semelhantes. Esses resultados buscam reforçar o potencial dos LGEs para representar estruturas de rede e apoiar a automação de simulações.

Referências

Ahmed, T., Azwad, M. M., and Choudhury, S. (2025). Simcode: A benchmark for natural language to ns-3 network simulation code generation. ArXiv, abs/2507.11014.

Anthropic (2025). Models overview. [link]. Acesso em: 12 dez. 2025.

Bi, Z., Chen, K., Tseng, C.-Y., Zhang, D., Wang, T., Luo, H., Chen, L., Huang, J., Guan, J., Hao, J., et al. (2025). Is gpt-oss good? a comprehensive evaluation of openai’s latest open source models. arXiv preprint arXiv:2508.12461.

Brown, T., Mann, B., Ryder, N., Subbiah, M., Kaplan, J. D., Dhariwal, P., Neelakantan, A., Shyam, P., Sastry, G., Askell, A., et al. (2020). Language models are few-shot learners. Advances in neural information processing systems, 33:1877–1901.

Burfeid, S., Rettore, P. H. L., Zißner, P., Sevenich, P., Celes, C., and Santos, B. P. (2025). Genete - generative network environments: A specialized small language model. In MILCOM 2025 - 2025 IEEE Military Communications Conference (MILCOM), pages 1462–1467.

Cruz, A., Rettore, P. H., and Santos, B. P. (2025). Análise do uso de modelos de linguagem de grande escala na geração de códigos para automação residencial. In Brazilian Symposium on Multimedia and the Web (WebMedia), pages 48–56. SBC.

DeepSeek (2025). Lists models. [link]. Acesso em: 12 dez. 2025.

Fontes, R. (2025). Mininet-wifi: Emulation platform for software-defined wireless networks. [link]. Acessado em: 14 dez. 2025.

Fontes, R. and Rothenberg, C. (2019). Mininet-wifi: Plataforma de emulação para redes sem fio definidas por software. In Anais Estendidos do XXXVII Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos, pages 201–208, Porto Alegre, RS, Brasil. SBC.

Google (2025). Gemini models. [link]. Acesso em: 12 dez. 2025.

Ifland, B., Krief, R., Zilberman, A., Duani, E., Ohana, M., Murillo, A., Manor, O., Lavi, O., Hikichi, K., Shabtai, A., et al. (2025). Genet: A multimodal llm-based co-pilot for network topology and configuration. In 2025 IEEE 45th International Conference on Distributed Computing Systems Workshops (ICDCSW), pages 117–122. IEEE.

Montgomery, D. C. (2017). Design and Analysis of Experiments. John Wiley & Sons, Hoboken, NJ, 9 edition.

Ollama (2025). Ollama. [link]. Acesso em: jan. 2025.

OpenAI (2025). Models. [link]. Acesso em: 12 dez. 2025.

Raiaan, M. A. K., Mukta, M. S. H., Fatema, K., Fahad, N. M., Sakib, S., Mim, M. M. J., Ahmad, J., Ali, M. E., and Azam, S. (2024). A review on large language models: Architectures, applications, taxonomies, open issues and challenges. IEEE Access, 12:26839–26874.

Soares, F. A., Franco, M. F., Scheid, E. J., and Granville, L. Z. (2025). Trust, but verify: An empirical evaluation of ai-generated code for sdn controllers.

Tiamiyu, O. A., Onidare, S. O., Akande, H. B., Ajayi, O. T., and Ogbotobo, A. O. (2025). Implementation and Comparison of Software-Defined Network Controllers in various Simulated Network Environments. FUDMA JOURNAL OF SCIENCES, 9(3):154–163.

Wang, X. and Zhu, D. (2024). Validating llm-generated programs with metamorphic prompt testing. arXiv preprint arXiv:2406.06864.