Alapfogalmak
대규모 언어 모델을 활용하여 텍스트 설명으로부터 프로세스 모델을 자동으로 생성하고 사용자 피드백을 통해 지속적으로 개선할 수 있는 프레임워크를 제안한다.
Kivonat
이 논문은 대규모 언어 모델(LLM)을 활용하여 프로세스 모델링의 유연성, 효율성 및 접근성을 높이는 프레임워크를 소개한다.
프레임워크의 주요 구성요소는 다음과 같다:
- 효과적인 프롬프트 설계 전략: 역할 프롬프팅, 지식 주입, 소량 학습, 부정적 프롬프팅 등을 통해 LLM의 프로세스 모델 생성 능력을 향상시킨다.
- 안전한 모델 생성 프로토콜: 예외 처리 메커니즘, 모델 유효성 검사 등을 통해 신뢰할 수 있는 프로세스 모델을 생성한다.
- 사용자 피드백 기반 모델 개선: 사용자 피드백을 LLM에 전달하여 모델을 지속적으로 개선한다.
구체적인 구현 사례로, 부분 순서 워크플로 언어(POWL)를 중간 표현으로 사용하여 BPMN 및 Petri 넷 모델로 변환하는 시스템을 소개한다. 실험 결과, 제안 프레임워크가 GPT-4와 같은 최신 LLM을 활용하여 효과적으로 프로세스 모델을 생성하고 개선할 수 있음을 보여준다.
Statisztikák
온라인 쇼핑 프로세스의 경우 GPT-4를 사용하여 2회 이내의 오류 처리 반복으로 초기 모델을 생성할 수 있었다.
호텔 서비스 프로세스의 경우 GPT-4를 사용하여 최대 2회의 자동 오류 수정으로 초기 모델을 생성할 수 있었다.
Idézetek
"대규모 언어 모델(LLM)은 다양하고 광범위한 데이터셋으로 학습되어 텍스트 생성, 복잡한 문제 해결 등 다양한 작업에서 뛰어난 성능을 보인다."
"본 논문에서 제안하는 프레임워크는 LLM의 자연어 이해 및 텍스트 생성 기능을 활용하여 텍스트 설명으로부터 프로세스 모델을 생성하고 최적화한다."