論文の概要: Opus: A Workflow Intention Framework for Complex Workflow Generation

• arxiv url: http://arxiv.org/abs/2502.19532v1
• Date: Tue, 25 Feb 2025 07:16:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-28 14:58:02.535592
• Title: Opus: A Workflow Intention Framework for Complex Workflow Generation
• Title（参考訳）: Opus: 複雑なワークフロー生成のためのワークフロー意図フレームワーク
• Authors: Phillip Kingston, Théo Fagnoni, Mahsun Altin,
• Abstract要約: 本稿では,複雑なビジネス環境におけるプロセスの目的を識別し,エンコードするための新しいフレームワークであるIntentionを紹介する。 意図は、ビジネスアーティファクト内のシグナルから解釈された変換目標を定義する入力、プロセス、出力要素のアライメントである。 本稿では,業務成果物からの意図を解消するモジュール型,スケーラブルなマルチモーダル生成システムを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This paper introduces Workflow Intention, a novel framework for identifying and encoding process objectives within complex business environments. Workflow Intention is the alignment of Input, Process and Output elements defining a Workflow's transformation objective interpreted from Workflow Signal inside Business Artefacts. It specifies how Input is processed to achieve desired Output, incorporating quality standards, business rules, compliance requirements and constraints. We adopt an end-to-end Business Artefact Encoder and Workflow Signal interpretation methodology involving four steps: Modality-Specific Encoding, Intra-Modality Attention, Inter-Modality Fusion Attention then Intention Decoding. We provide training procedures and critical loss function definitions. In this paper we introduce the concepts of Workflow Signal and Workflow Intention, where Workflow Signal decomposed into Input, Process and Output elements is interpreted from Business Artefacts, and Workflow Intention is a complete triple of these elements. We introduce a mathematical framework for representing Workflow Signal as a vector and Workflow Intention as a tensor, formalizing properties of these objects. Finally, we propose a modular, scalable, trainable, attention-based multimodal generative system to resolve Workflow Intention from Business Artefacts.
• Abstract（参考訳）: 本稿では、複雑なビジネス環境でプロセスの目的を特定し、エンコードするための新しいフレームワークであるWorkflow Intentionを紹介する。 ワークフロー意図(Workflow Intention)とは、ビジネス成果物内のワークフロー信号から解釈されたワークフローの変換目標を定義する入力、プロセス、出力要素のアライメントである。 インプットが望ましい出力を達成するためにどのように処理されるかを定義し、品質基準、ビジネスルール、コンプライアンス要件、制約を取り入れます。 エンドツーエンドのビジネスアーティファクトエンコーダとワークフローシグナル解釈方法論を採用しており、モダリティ-特有エンコーディング、モダリティ内アテンション、モダリティ間フュージョンアテンション、そしてインテンションデコードという4つのステップで構成されています。 トレーニング手順と臨界損失関数の定義を提供する。 本稿では、Workflow SignalとWorkflow Intentionの概念を紹介します。そこでは、Workflow Signalを入力、プロセス、出力要素に分解し、Business Artefactsから解釈し、Workflow Intentionはこれらの要素の完全な3倍の要素です。 本稿では,ベクトルとしてWorkflow Signalを表現し,テンソルとしてWorkflow Intentionを表現し,それらのオブジェクトの特性を定式化する数学的フレームワークを提案する。 最後に、ビジネスアーティファクトからのワークフロー意図を解決するために、モジュール化され、スケーラブルで、トレーニング可能な、注意ベースのマルチモーダル生成システムを提案する。

関連論文リスト

• Learning Task Representations from In-Context Learning [73.72066284711462]
  大規模言語モデル(LLM)は、文脈内学習において顕著な習熟性を示している。 ICLプロンプトにおけるタスク情報をアテンションヘッドの関数として符号化するための自動定式化を導入する。 提案手法の有効性は,最後の隠れ状態の分布と最適に実行されたテキスト内学習モデルとの整合性に起因していることを示す。
  論文  参考訳（メタデータ） (2025-02-08T00:16:44Z)
• Flow: Modularized Agentic Workflow Automation [53.073598156915615]
  大規模言語モデル(LLM)を利用したマルチエージェントフレームワークは、自動計画とタスク実行において大きな成功を収めている。 しかし, 実行中のエージェントの効果的な調整は十分に研究されていない。 本稿では,エージェントによる継続的なワークフロー改善を可能にするアクティビティ・オン・頂点(AOV)グラフを定義する。 提案するマルチエージェントフレームワークは,サブタスクの効率的な同時実行,効果的なゴール達成,エラー耐性の向上を実現している。
  論文  参考訳（メタデータ） (2025-01-14T04:35:37Z)
• Opus: A Large Work Model for Complex Workflow Generation [0.0]
  Opusは、複雑なビジネスプロセスアウトソーシング(BPO)ユースケースに適したタスクの生成と最適化のためのフレームワークである。 このアプローチでは、クライアント入力、クライアント出力、プロセス指向コンテキストのアライメントとして定義されたインテンションから実行ファイルを生成します。
  論文  参考訳（メタデータ） (2024-11-30T20:00:41Z)
• WorkflowLLM: Enhancing Workflow Orchestration Capability of Large Language Models [105.46456444315693]
  ワークフローオーケストレーションにおける大規模言語モデルの能力を高めるための,データ中心のフレームワークであるLLMを提案する。 最初は106,763のサンプルで大規模な微調整Benchを構築し、28のカテゴリにわたる83のアプリケーションから1,503のAPIをカバーしている。 LlamaLlamaは複雑なAPIをオーケストレーションする能力を示しながら、優れた一般化性能を実現している。
  論文  参考訳（メタデータ） (2024-11-08T09:58:02Z)
• Benchmarking Agentic Workflow Generation [80.74757493266057]
  複数面シナリオと複雑なグラフワークフロー構造を備えた統合ワークフロー生成ベンチマークであるWorfBenchを紹介する。 また,サブシーケンスとサブグラフマッチングアルゴリズムを利用したシステム評価プロトコルWorfEvalを提案する。 我々は、生成されたタスクが下流のタスクを強化し、推論中により少ない時間で優れたパフォーマンスを達成することを観察する。
  論文  参考訳（メタデータ） (2024-10-10T12:41:19Z)
• ComfyGen: Prompt-Adaptive Workflows for Text-to-Image Generation [87.39861573270173]
  本稿では,各ユーザプロンプトに自動的にワークフローをカスタマイズすることを目的とする,プロンプト適応型ワークフロー生成の新しいタスクを紹介する。 本稿では,この課題に対処する2つの LLM ベースの手法を提案する。ユーザ・参照データから学習するチューニングベース手法と,既存のフローを選択するために LLM を使用するトレーニングフリー手法である。 本研究は,現場における既存研究の方向性を補完し,テキスト・画像生成の品質向上のための新たな経路を提供することを示す。
  論文  参考訳（メタデータ） (2024-10-02T16:43:24Z)
• FlowBench: Revisiting and Benchmarking Workflow-Guided Planning for LLM-based Agents [64.1759086221016]
  ワークフロー誘導計画の最初のベンチマークであるFlowBenchを紹介します。 FlowBenchは6つのドメインから51のシナリオをカバーしている。 以上の結果から,現在のLLMエージェントは良好な計画を立てるためにかなりの改善が必要であることが示唆された。
  論文  参考訳（メタデータ） (2024-06-21T06:13:00Z)
• FlowMind: Automatic Workflow Generation with LLMs [12.848562107014093]
  本稿では,Large Language Models(LLM)の機能を活用した新しいアプローチであるFlowMindを紹介する。 信頼性のあるアプリケーションプログラミングインタフェース(API)を用いたLLM推論を支援する講義のための汎用的なプロンプトレシピを提案する。 また、N-CENレポートからの質問応答タスクをベンチマークするための金融の新しいデータセットであるNCEN-QAについても紹介する。
  論文  参考訳（メタデータ） (2024-03-17T00:36:37Z)

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。