論文の概要: Generating Structured Plan Representation of Procedures with LLMs

• arxiv url: http://arxiv.org/abs/2504.00029v1
• Date: Fri, 28 Mar 2025 22:38:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 13:25:36.052778
• Title: Generating Structured Plan Representation of Procedures with LLMs
• Title（参考訳）: LLMを用いた手順の構造化計画表現の生成
• Authors: Deepeka Garg, Sihan Zeng, Sumitra Ganesh, Leo Ardon,
• Abstract要約: 本稿では,SOPを構造化表現に変換する新しい手法であるSOPStructuringを紹介する。 SOPStructは、異なるドメインにわたるSOPの標準化された表現を生成し、認知負荷を低減し、ユーザの理解を改善する。 我々の研究は、プロセスモデリングを合理化するために、大規模言語モデルの変換可能性を強調します。
• 参考スコア（独自算出の注目度）: 5.623006055588189
• License:
• Abstract: In this paper, we address the challenges of managing Standard Operating Procedures (SOPs), which often suffer from inconsistencies in language, format, and execution, leading to operational inefficiencies. Traditional process modeling demands significant manual effort, domain expertise, and familiarity with complex languages like Business Process Modeling Notation (BPMN), creating barriers for non-techincal users. We introduce SOP Structuring (SOPStruct), a novel approach that leverages Large Language Models (LLMs) to transform SOPs into decision-tree-based structured representations. SOPStruct produces a standardized representation of SOPs across different domains, reduces cognitive load, and improves user comprehension by effectively capturing task dependencies and ensuring sequential integrity. Our approach enables leveraging the structured information to automate workflows as well as empower the human users. By organizing procedures into logical graphs, SOPStruct facilitates backtracking and error correction, offering a scalable solution for process optimization. We employ a novel evaluation framework, combining deterministic methods with the Planning Domain Definition Language (PDDL) to verify graph soundness, and non-deterministic assessment by an LLM to ensure completeness. We empirically validate the robustness of our LLM-based structured SOP representation methodology across SOPs from different domains and varying levels of complexity. Despite the current lack of automation readiness in many organizations, our research highlights the transformative potential of LLMs to streamline process modeling, paving the way for future advancements in automated procedure optimization.
• Abstract（参考訳）: 本稿では,言語,形式,実行の整合性に悩まされることの多い標準動作手順(SOP)管理の課題に対処し,運用上の非効率性をもたらす。 従来のプロセスモデリングは、重要な手作業、ドメインの専門知識、そしてBPMN(Business Process Modeling Notation)のような複雑な言語に精通することを必要とします。 SOP構造化(SOPStructuring)は,大規模言語モデル(LLM)を利用して,SOPを決定木に基づく構造化表現に変換する手法である。 SOPStructは、異なるドメインにまたがるSOPの標準化された表現を生成し、認知負荷を低減し、タスク依存を効果的に把握し、シーケンシャルな整合性を確保することにより、ユーザの理解を向上させる。 我々のアプローチは、構造化された情報を活用してワークフローを自動化し、人間のユーザーを力づけることを可能にする。 論理グラフにプロシージャを整理することで、SOPStructはバックトラックとエラー修正を容易にし、プロセス最適化のためのスケーラブルなソリューションを提供する。 我々は、グラフの健全性を検証するために、決定論的手法とPDDL(Planning Domain Definition Language)を組み合わせて、LCMによる非決定論的評価を行い、完全性を保証する。 LLMをベースとした構造化SOP表現手法が、異なるドメインのSOPと様々な複雑さのレベルにまたがって、頑健さを実証的に検証する。 現在、多くの組織で自動化の準備が整っていないにもかかわらず、我々の研究は、プロセスモデリングを合理化し、自動化手順最適化における将来の進歩の道を開くLLMの変革の可能性を強調しています。

関連論文リスト

• Towards more Contextual Agents: An extractor-Generator Optimization Framework [0.0]
  LLM(Large Language Model)ベースのエージェントは、幅広い汎用アプリケーションにわたる複雑なタスクの解決に顕著な成功を収めている。 しかしながら、それらのパフォーマンスは、専門産業や研究領域のようなコンテキスト固有のシナリオで劣化することが多い。 この課題に対処するため,本研究では,LLMエージェントの文脈適応性を高めるための体系的アプローチを提案する。
  論文  参考訳（メタデータ） (2025-02-18T15:07:06Z)
• Scaling Autonomous Agents via Automatic Reward Modeling And Planning [52.39395405893965]
  大規模言語モデル(LLM)は、様々なタスクにまたがる顕著な機能を示している。 しかし、彼らは多段階の意思決定と環境フィードバックを必要とする問題に苦戦している。 人間のアノテーションを使わずに環境から報酬モデルを自動的に学習できるフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-17T18:49:25Z)
• Embodied CoT Distillation From LLM To Off-the-shelf Agents [6.318203525449058]
  DeDerは、大規模言語モデル(LLM)から具体的推論能力を分解し、蒸留するためのフレームワークである。 ALFREDベンチマークによる我々の実験は、DeDerが先進的な言語計画と蒸留アプローチを超越していることを示している。
  論文  参考訳（メタデータ） (2024-12-16T07:18:02Z)
• Interactive and Expressive Code-Augmented Planning with Large Language Models [62.799579304821826]
  大きな言語モデル(LLM)は、常識的推論と対話的な意思決定において強力な能力を示す。 近年,制御フローなどのコード・アジャセント技術を用いてLCM出力を構造化し,計画性能を向上させる技術が提案されている。 完全コード表現で動的なLEM計画手法であるREPL-Planを提案する。
  論文  参考訳（メタデータ） (2024-11-21T04:23:17Z)
• Leveraging Large Language Models for Enhanced Process Model Comprehension [33.803742664323856]
  ビジネスプロセスマネジメント(BPM)では、効果的にプロセスモデルを理解することが重要であるが、重大な課題を生じさせる。 本稿では,Large Language Models(LLM)の高度な機能を活用し,複雑なプロセスモデルの解釈可能性を高める新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-08T13:12:46Z)
• Exploring and Benchmarking the Planning Capabilities of Large Language Models [57.23454975238014]
  この研究は、大規模言語モデル(LLM)の計画能力を改善するための基礎を築いた。 我々は、古典的な計画ベンチマークと自然言語シナリオの両方を含む包括的なベンチマークスイートを構築した。 本研究は,LLM計画の強化を目的としたマルチショットインコンテキスト学習について検討し,文脈長の増大と計画性能の向上の関係について検討する。
  論文  参考訳（メタデータ） (2024-06-18T22:57:06Z)
• Process Modeling With Large Language Models [42.0652924091318]
  本稿では,大規模言語モデル(LLM)のプロセスモデリングへの統合について検討する。 プロセスモデルの自動生成と反復的改善にLLMを利用するフレームワークを提案する。 予備的な結果は、プロセスモデリングタスクを合理化するフレームワークの能力を示している。
  論文  参考訳（メタデータ） (2024-03-12T11:27:47Z)
• Entropy-Regularized Token-Level Policy Optimization for Language Agent Reinforcement [67.1393112206885]
  大規模言語モデル(LLM)は、対話的な意思決定タスクにおいてインテリジェントなエージェントとして期待されている。 本稿では,トークンレベルでのLLMの最適化に適したエントロピー拡張RL法である,エントロピー正規化トークンレベル最適化(ETPO)を導入する。 我々は,データサイエンスコード生成を多段階対話型タスクのシリーズとしてモデル化したシミュレーション環境におけるETPOの有効性を評価する。
  論文  参考訳（メタデータ） (2024-02-09T07:45:26Z)
• Autoregressive Structured Prediction with Language Models [73.11519625765301]
  本稿では, PLM を用いた自己回帰的手法を用いて, モデル構造を行動列として記述する。 我々のアプローチは、私たちが見てきた全ての構造化予測タスクにおいて、新しい最先端を実現する。
  論文  参考訳（メタデータ） (2022-10-26T13:27:26Z)
• Procedures as Programs: Hierarchical Control of Situated Agents through Natural Language [81.73820295186727]
  エージェント命令と制御のための階層的な手続き的知識を表現する強力な手法である,プログラムとしての手続きの形式化を提案する。 NL命令に対するIQAおよびALFREDデータセット上で、このフレームワークをインスタンス化する。
  論文  参考訳（メタデータ） (2021-09-16T20:36:21Z)

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。