論文の概要: Comparing Generative Chatbots Based on Process Requirements
- arxiv url: http://arxiv.org/abs/2312.03741v1
- Date: Tue, 28 Nov 2023 18:25:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-11 02:55:03.932331
- Title: Comparing Generative Chatbots Based on Process Requirements
- Title（参考訳）: プロセス要求に基づく生成チャットボットの比較
- Authors: Luis Fernando Lins, Nathalia Nascimento, Paulo Alencar, Toacy
Oliveira, Donald Cowan
- Abstract要約: 生成ベースのチャットボットは、数十億のパラメータに基づいてトレーニングされ、会話インテリジェンスをサポートする。
本稿では,プロセス実行支援の文脈において,優れた生成モデルであるGPTとPaLMの性能を比較した。
- 参考スコア（独自算出の注目度）: 2.645089622684808
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Business processes are commonly represented by modelling languages, such as
Event-driven Process Chain (EPC), Yet Another Workflow Language (YAWL), and the
most popular standard notation for modelling business processes, the Business
Process Model and Notation (BPMN). Most recently, chatbots, programs that allow
users to interact with a machine using natural language, have been increasingly
used for business process execution support. A recent category of chatbots
worth mentioning is generative-based chatbots, powered by Large Language Models
(LLMs) such as OpenAI's Generative Pre-Trained Transformer (GPT) model and
Google's Pathways Language Model (PaLM), which are trained on billions of
parameters and support conversational intelligence. However, it is not clear
whether generative-based chatbots are able to understand and meet the
requirements of constructs such as those provided by BPMN for process execution
support. This paper presents a case study to compare the performance of
prominent generative models, GPT and PaLM, in the context of process execution
support. The research sheds light into the challenging problem of using
conversational approaches supported by generative chatbots as a means to
understand process-aware modelling notations and support users to execute their
tasks.
- Abstract（参考訳）: ビジネスプロセスは一般的に、イベント駆動プロセスチェイン(EPC)や他のワークフロー言語(YAWL)などのモデリング言語、ビジネスプロセスをモデリングするための最も一般的な標準表記法であるビジネスプロセスモデルと表記法(BPMN)によって表現されます。
最近では、自然言語を使ってマシンと対話できるプログラムであるチャットボットが、ビジネスプロセスの実行サポートにますます使われています。
注目すべきチャットボットの最近のカテゴリは、数十億のパラメータに基づいてトレーニングされ、会話インテリジェンスをサポートするOpenAIのGenerative Pre-Trained Transformer(GPT)モデルやGoogleのPaLM(Pathways Language Model)など、LLM(Large Language Model)を利用したジェネレーティブベースのチャットボットである。
しかし、生成型ベースのチャットボットがプロセス実行サポートのためにBPMNが提供するような構成要素の要求を理解し、満たせるかどうかは不明です。
本稿では, プロセス実行支援の文脈において, GPT と PaLM の顕著な生成モデルの性能を比較するケーススタディを提案する。
この研究は、生成型チャットボットがサポートする会話型アプローチを、プロセス認識型モデリング表記法を理解し、タスクを実行するユーザをサポートする手段として使用するという、難しい問題に光を当てている。
関連論文リスト
- Computational Argumentation-based Chatbots: a Survey [0.4024850952459757]
本調査は,このような議論に基づくボットに関する論文をレビューするために,文献を精査する。
このアプローチの欠点とメリットについて結論を導きます。
また、Transformerベースのアーキテクチャや最先端の大規模言語モデルとの将来の開発や統合も検討している。
論文 参考訳（メタデータ） (2024-01-07T11:20:42Z) - Interactive Planning Using Large Language Models for Partially
Observable Robotics Tasks [54.60571399091711]
大きな言語モデル(LLM)は、オープン語彙タスクを実行するロボットエージェントを作成することで、驚くべき成果を上げている。
LLMを用いた部分的に観測可能なタスクのための対話型計画手法を提案する。
論文 参考訳（メタデータ） (2023-12-11T22:54:44Z) - Large Language Models as Analogical Reasoners [155.9617224350088]
CoT(Chain-of- Thought)は、言語モデルのプロンプトとして、推論タスク全体で素晴らしいパフォーマンスを示す。
そこで本稿では,大規模言語モデルの推論プロセスを自動的にガイドする,新たなプロンプト手法であるアナログプロンプトを導入する。
論文 参考訳（メタデータ） (2023-10-03T00:57:26Z) - Benchmarking Large Language Model Capabilities for Conditional
Generation [15.437176676169997]
既存のアプリケーション固有の生成ベンチマークをPLMに適応させる方法について論じる。
PLMは異なるデータ体系に適用可能であり、複数の言語に一般化可能であることを示す。
論文 参考訳（メタデータ） (2023-06-29T08:59:40Z) - Instruct2Act: Mapping Multi-modality Instructions to Robotic Actions
with Large Language Model [63.66204449776262]
Instruct2Actは、ロボット操作タスクのシーケンシャルアクションにマルチモーダル命令をマッピングするフレームワークである。
我々のアプローチは、様々な命令のモダリティや入力タイプを調節する上で、調整可能で柔軟なものである。
我々のゼロショット法は、いくつかのタスクにおいて、最先端の学習ベースのポリシーよりも優れていた。
論文 参考訳（メタデータ） (2023-05-18T17:59:49Z) - Prompted LLMs as Chatbot Modules for Long Open-domain Conversation [7.511596831927614]
MPCは、微調整を必要とせず、高品質な会話エージェントを作成するための新しいアプローチである。
本手法は,長期的一貫性と柔軟性のために,事前訓練された大規模言語モデル(LLM)を個別モジュールとして利用する。
論文 参考訳（メタデータ） (2023-05-08T08:09:00Z) - Conversational Process Modeling: Can Generative AI Empower Domain
Experts in Creating and Redesigning Process Models? [0.0]
この研究は、会話プロセスモデリングをサポートする既存のチャットボットの体系的な分析を提供する。
会話プロセスモデリングに関する文献レビューが行われ、それによって会話プロセスモデリングのアプリケーションシナリオの分類がなされる。
プロセスモデルの完全性と正確性に関して,AI駆動型チャットボットの出力に評価手法を適用した。
論文 参考訳（メタデータ） (2023-04-19T06:54:14Z) - Stabilized In-Context Learning with Pre-trained Language Models for Few
Shot Dialogue State Tracking [57.92608483099916]
大規模事前学習言語モデル(PLM)は、多くのNLPタスクにまたがる優れた性能を示している。
対話状態追跡(DST)のようなより複雑なタスクでは、望ましい意図を確実に伝達するプロンプトを設計するのは簡単ではない。
対話文の長さを制限するためのサリエンシモデルを導入し、クエリ毎に多くの例を含めることができます。
論文 参考訳（メタデータ） (2023-02-12T15:05:10Z) - An Exploration of Prompt Tuning on Generative Spoken Language Model for
Speech Processing Tasks [112.1942546460814]
生成音声言語モデル(GSLM)に基づく音声処理タスクの即時チューニングパラダイムの最初の検討について報告する。
実験結果から, 学習可能なパラメータが少ない音声分類タスクにおいて, 高精度なダウンストリームモデルよりも, 即時チューニング手法が競合性能を達成できることが示唆された。
論文 参考訳（メタデータ） (2022-03-31T03:26:55Z) - A Conversational Paradigm for Program Synthesis [110.94409515865867]
本稿では,大規模言語モデルを用いた対話型プログラム合成手法を提案する。
私たちは、自然言語とプログラミング言語のデータに基づいて、CodeGenと呼ばれる大規模な言語モデルのファミリーを訓練します。
本研究は,会話能力の出現と,提案した会話プログラム合成パラダイムの有効性を示すものである。
論文 参考訳（メタデータ） (2022-03-25T06:55:15Z) - Prompt Programming for Large Language Models: Beyond the Few-Shot
Paradigm [0.0]
自然言語のレンズを通してプロンプトを考えることの有用性を強調しながら,プロンプトプログラミングの手法について論じる。
モデルに種を付けて、さまざまなタスクのための独自の自然言語プロンプトを生成するメタプロンプトのアイデアを紹介します。
論文 参考訳（メタデータ） (2021-02-15T05:27:55Z)
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。