本文通过系统的文献综述和实践案例研究，分析了 chatbots 在支持对话式流程建模的应用场景，给出了对话式流程建模实践中的可行性建议和未来研究的指导方向。

Apr, 2023

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。

Sep, 2023

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

使用 GPT 技术提出了 ProcessGPT 作为增强数据中心和知识密集型流程决策的新技术，它可以通过使用深度学习和 NLP 来开发训练模型和生成流程来帮助提高流程管理效率，降低成本并支持业务运营的质量提升。

May, 2023

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

该研究通过将 ChatGPT 等 Large Language Models（LLMs）集成到过程挖掘工具中，引入了一种新颖的方法，使过程分析对更广泛的受众更易于访问，以便将复杂数据转化为可行的见解。研究旨在调查 ChatGPT 如何增强分析能力，改进用户体验，提高可访问性以及优化过程挖掘工具的架构框架。该研究的关键创新在于为每个过程挖掘子模块开发了一个定制的提示工程策略，确保人工智能生成的输出准确且与上下文相关。

May, 2024

ChatGPT 能够从自然语言需求中生成 UML 序列图，但生成的模型在完整性和正确性方面存在挑战，尤其在需求不明确和不一致的情况下。此研究对要求工程领域中的大型语言模型的实际应用和有效的模型生成提示策略具有重要影响。

Apr, 2024

使用 GPT-3 等自然语言处理模型在业务流程管理（BPM）领域中取得了成功，但需要 fine-tuning 以及大量适当的训练数据。为此，本文提出可以借助 prompt engineering 将这些语言模型能力引入 BPM 研究，并提出了相关潜力和挑战的研究议程。

Apr, 2023

本文提出如何将 PLMs 应用到现有应用程序特定的生成基准上，对输入和输出语言等不同维度的 PLMs 在自然语言生成任务方面的优点和局限性进行了深入的实证研究，并分享了在开发新 PLMs 时考虑到的基准生成能力的最佳实践。

Jun, 2023

该研究主要探讨了大型语言模型在过程挖掘中的应用，以增强对话代理的能力，并改进了现有解决方案的许多问题，提高了可访问性和代理性能。通过实验验证了该框架在公共问题和数据集上的效果，为进一步探索大型语言模型在过程挖掘中的作用奠定了基础，并提出了改进大型语言模型记忆、实时用户测试和研究多样化数据集的建议。

Jul, 2023