序列模型在预测性流程监控任务中优于 LLM

一篇新的研究论文比较了三种不同的预测性流程监控（PPM）建模方法的有效性。该研究评估了传统的深度序列模型（如长短期记忆网络 LSTM）、利用大型语言模型（LLM）的基础模型以及具有上下文学习能力（in-context learning）的表格基础模型。研究结果表明，尽管 LLM 在 PPM 中的应用日益广泛，但在下一活动预测任务中，序列模型的表现始终优于 LLM。表格基础模型在时间预测方面表现出竞争力，尽管 LLM 的计算成本更高，但总体上落后于这些模型和序列模型。 AI

影响 序列模型在下一活动预测方面仍具竞争力，这表明 LLM 并非在所有流程监控任务中都普遍优越。

排序理由 该集群包含一篇发表在 arXiv 上的研究论文，比较了预测性流程监控的不同建模方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• Connected Papers
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv
• Litmaps
• long short-term memory
• ScienceCast
• scite Smart Citations

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →