論文の概要: Just Tell Me: Prompt Engineering in Business Process Management
- arxiv url: http://arxiv.org/abs/2304.07183v1
- Date: Fri, 14 Apr 2023 14:55:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-17 13:08:02.447877
- Title: Just Tell Me: Prompt Engineering in Business Process Management
- Title（参考訳）: Just Tell Me: ビジネスプロセスマネジメントにおけるプロンプトエンジニアリング
- Authors: Kiran Busch, Alexander Rochlitzer, Diana Sola, Henrik Leopold
- Abstract要約: GPT-3や他の言語モデル(LM)は、様々な自然言語処理(NLP)タスクに効果的に対処できる。
私たちは、迅速なエンジニアリングは、BPM研究にLMの能力をもたらすことができると論じています。
- 参考スコア（独自算出の注目度）: 63.08166397142146
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: GPT-3 and several other language models (LMs) can effectively address various
natural language processing (NLP) tasks, including machine translation and text
summarization. Recently, they have also been successfully employed in the
business process management (BPM) domain, e.g., for predictive process
monitoring and process extraction from text. This, however, typically requires
fine-tuning the employed LM, which, among others, necessitates large amounts of
suitable training data. A possible solution to this problem is the use of
prompt engineering, which leverages pre-trained LMs without fine-tuning them.
Recognizing this, we argue that prompt engineering can help bring the
capabilities of LMs to BPM research. We use this position paper to develop a
research agenda for the use of prompt engineering for BPM research by
identifying the associated potentials and challenges.
- Abstract（参考訳）: GPT-3や他の言語モデル(LM)は、機械翻訳やテキスト要約など、様々な自然言語処理(NLP)タスクに効果的に対応できる。
最近、ビジネスプロセス管理(bpm)ドメイン(例えば、テキストからの予測プロセスモニタリングやプロセス抽出)でうまく使われています。
しかし、これは通常、採用したlmの微調整が必要であり、特に、適切なトレーニングデータが必要となる。
この問題の解決策の1つは、訓練済みのLMを微調整せずに活用するプロンプトエンジニアリングの利用である。
これを認識して、プロンプトエンジニアリングはbpm研究にlmsの能力をもたらすことができると論じる。
我々は、このポジションペーパーを使用して、関連するポテンシャルと課題を特定することにより、BPM研究に即時エンジニアリングを使用するための研究アジェンダを開発する。
関連論文リスト
- Machine learning in business process management: A systematic literature review [0.0]
機械学習(ML)は、明示的にプログラムすることなく、データに基づいてコンピュータプログラムを作成するアルゴリズムを提供する。
MLを使用する3つの頻繁な例は、予測による意思決定のサポート、正確なプロセスモデルの検出、リソース割り当ての改善である。
この研究は、BPMでMLがどのように使われているかについて、初めての徹底的なレビューである。
論文 参考訳（メタデータ） (2024-05-26T01:12:24Z) - Towards Generating Executable Metamorphic Relations Using Large Language Models [46.26208489175692]
大規模言語モデル(LLM)を用いた要件から実行可能なMRを自動的に抽出する手法を提案する。
提案手法の有効性を評価するため,シーメンス・インダストリー・ソフトウェアと共同で質問紙調査を行った。
論文 参考訳（メタデータ） (2024-01-30T13:52:47Z) - Revisiting Prompt Engineering via Declarative Crowdsourcing [16.624577543520093]
大規模言語モデル(LLM)は、テキスト形式でデータを解釈し、生成するのに驚くほど強力ですが、脆弱でエラーを起こします。
私たちは宣言的な急進的なエンジニアリングのビジョンを打ち出した。
ソート、実体分解、計算に関する予備的ケーススタディは、我々のアプローチの可能性を実証している。
論文 参考訳（メタデータ） (2023-08-07T18:04:12Z) - Large Language Models can accomplish Business Process Management Tasks [0.0]
大規模言語モデル(LLM)がテキスト関連ビジネスプロセス管理タスクをどのように達成できるかを示す。
LLMは、テキスト記述からプロセスモデルを達成し、テキスト記述から宣言的プロセスモデルをマイニングし、ロボットプロセス自動化のためのテキスト記述からプロセスタスクの適合性を評価する。
論文 参考訳（メタデータ） (2023-07-19T11:54:46Z) - Multi-Task Instruction Tuning of LLaMa for Specific Scenarios: A
Preliminary Study on Writing Assistance [60.40541387785977]
小さな基礎モデルは、命令駆動データを用いて微調整された場合、多様なタスクに対処する際、顕著な習熟度を示すことができる。
本研究は, 汎用的な指導よりも, 1つないし数つの特定のタスクに主眼を置いている, 実践的な問題設定について検討する。
実験結果から,命令データに対する微調整LLaMAは,タスクの記述能力を大幅に向上することが示された。
論文 参考訳（メタデータ） (2023-05-22T16:56:44Z) - Dictionary-based Phrase-level Prompting of Large Language Models for
Machine Translation [91.57514888410205]
大規模言語モデル(LLM)は、プロンプトによる機械翻訳(MT)能力を示す。
LLMは、低リソースやドメイン転送のシナリオで一般的なまれな単語で入力を翻訳するのに苦労する。
LLMプロンプトは、バイリンガル辞書からの事前知識を用いてプロンプトの制御ヒントを提供することにより、稀な単語に対する効果的な解決策を提供することができることを示す。
論文 参考訳（メタデータ） (2023-02-15T18:46:42Z) - Demonstrate-Search-Predict: Composing retrieval and language models for
knowledge-intensive NLP [77.817293104436]
本稿では,LMとRMの間の洗練されたパイプラインにおいて,自然言語テキストを渡すことに依存するフレームワークを提案する。
我々は、オープンドメイン、マルチホップ、会話設定で質問に答えるための新しいDSPプログラムを作成した。
論文 参考訳（メタデータ） (2022-12-28T18:52:44Z) - Towards Automated Process Planning and Mining [77.34726150561087]
我々は、AIとBPM分野の研究者が共同で働く研究プロジェクトについて紹介する。
プロセスモデルを自動的に導出するための総合的な研究課題、研究の関連分野、および総合的な研究枠組みについて論じる。
論文 参考訳（メタデータ） (2022-08-18T16:41:22Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。