English(EN) Automated Event Log Generation from Unstructured Text Using Finetuned LLMs

微调大语言模型以自动从文本生成事件日志

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-02 04:00

研究人员开发了一个新框架，该框架使用微调后的大语言模型（LLMs）从非结构化文本中自动生成结构化事件日志。这种方法解决了手动创建事件日志的瓶颈问题，而手动创建事件日志常常导致事件单和报告等文档中的宝贵组织知识未被充分利用。通过在新的文本到日志数据集上微调LLMs，模型可以提取高保真事件日志，其性能显著优于零样本或少样本提示，并使以前无法访问的数据可用于流程挖掘。 AI

影响通过解锁非结构化数据源进行工作流分析，从而实现流程挖掘的广泛应用。

排序理由该集群包含一篇学术论文，详细介绍了使用LLMs进行流程挖掘的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

本文如何被排名

Signal score: 25 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇学术论文，详细介绍了使用LLMs进行流程挖掘的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Maximilian Seeth, Gabriel Marques Tavares, Daniel Schuster · 2026-09-02 04:00

使用微调大语言模型从非结构化文本自动生成事件日志

arXiv:2609.01320v1 Announce Type: new Abstract: Process mining (PM) provides a powerful framework for discovering and optimizing operational processes from event data. However, the efficacy of PM techniques is strictly predicated on the availability of structured event logs. Thus…

本文如何被排名

报道来源 [1]

使用微调大语言模型从非结构化文本自动生成事件日志

相关实体

相关话题