Sep, 2023

大型过程模型：生成式人工智能时代的业务流程管理

PDF
TL;DR通过将 LLMs 的相关性和知识系统以及自动推理方法的分析精度和可靠性相结合，提出了大型过程模型（LPM），该模型将大大减少业务转型所需的时间和工作量，并能提供比以前更深入、更有影响力和更具操作性的见解。
large language modelsgenerative artificial intelligencelarge process modelllmsautomated reasoning approaches
发现论文，激发创造
  • 大型语言模型可完成商业流程管理任务

    大规模语言模型（LLMs）在文本相关的业务流程管理任务中表现出与现有解决方案相当甚至更好的性能，这为未来的 BPM 研究和实际应用带来了重要的启示。

    Jul, 2023

  • 面向使用 LLMs 的因果业务流程推理的基准

    利用大型语言模型 (LLMs) 来推动组织效率和自动化任务，在本研究中创建了一个基准来评估 LLMs 在推理业务活动的因果和过程视角方面的能力，并应用 LLMs 的能力进行 BP^C 的推理，以用于流程干预和流程改进。

    Jun, 2024

  • 大型语言模型如何解释业务流程？

    通过 LLMs，结合 SAX4BPM 框架，我们提供了在 AI 增强的业务流程管理系统中生成具有更高可信度的基于过程上下文的人类可解释因果关系解释的方法。

    Jan, 2024

  • 基于过程要求的生成式聊天机器人比较

    该论文通过案例研究比较了基于生成模型的聊天机器人（如 GPT 和 PaLM）在过程执行支持中的表现，揭示了使用会话式方法支持生成聊天机器人作为理解过程感知建模符号并协助用户执行任务的挑战性问题。

    Nov, 2023

  • 商业中 LLM 益处的实际检验

    大型语言模型（LLMs）在理解和生成任务方面取得了显著的表现，但其在偏见、上下文理解和对提示的敏感性方面存在限制，因此对其在实际应用中的准备性产生了担忧。本文通过对四个可访问的 LLMs 使用真实世界数据进行的实验，深入研究了 LLMs 在业务流程中的实用性和准备性。研究结果对希望利用生成式人工智能的组织具有重大影响，并为未来的研究方向提供了宝贵的见解。据我们所知，这是第一项将 LLMs 应用于核心业务运营和挑战的定量研究。

    Jun, 2024

  • 大型语言模型是否成为数据流水线的新接口？

    语言模型是一种广义的术语，它包含了各种类型的模型，旨在理解和生成人类的交流。大型语言模型（LLM）因其具有与人类类似的流畅和连贯性处理文本的能力而引起了人们的广泛关注，这使它们在以管道方式构建的各种数据相关任务中具有价值。LLM 在自然语言理解和生成方面的能力，结合其可伸缩性、多样性和领先性能，使其在诸如解释性人工智能（XAI）、自动化机器学习（AutoML）和知识图谱（KG）等各个人工智能领域具有创新应用的能力。此外，我们还相信这些模型能够从大规模数据中提取有价值的见解，并进行数据驱动的决策，这种做法通常被称为大数据分析（BDA）。在本立场论文中，我们对这些技术之间的协同作用提供一些讨论，该协同作用可以实现更强大和智能的人工智能解决方案，推动在整合人、计算机和知识的各种应用和领域中数据管道的改进。

    Jun, 2024

  • 本地过程模型分组

    近年来，过程挖掘作为一项成熟技术被应用于分析和改进运营过程。本文提出了一个通过使用不同的过程模型相似性度量来对类似的局部过程模型进行分组的三步流程，并通过实际案例研究展示了分组的实用性以及发现的局部过程模型的重复性对其进行改进的影响。

    Nov, 2023

  • 针对业务流程的基础模型案例

    该论文探讨了发展用于处理商业流程数据的基础模型的重要性，以应对数据稀缺、多模型表示、领域特定术语和隐私问题等独特挑战。

    Oct, 2022

  • 语言与大型语言模型之间的去向问题

    人工智能，自然语言处理，大型语言模型和科学模型在语言方面的应用和发展的研究。

    Oct, 2023

  • 大型语言模型在业务流程文本草图自动生成中的应用

    提出了一种使用大型语言模型将条件流程树 (CPT) 转换为业务流程文本概述 (BPTS) 的方法，通过拆分困难的 CPT 并逐个解决，实现了 93.42% 的正确率，比传统提示方法提高了 45.17%，解决了在无数据集情况下进行业务流程文档生成的问题，并有潜力为过程模型提取领域提供大量数据集。

    Sep, 2023