Business Process Model and Notation
PulseAugur coverage of Business Process Model and Notation — every cluster mentioning Business Process Model and Notation across labs, papers, and developer communities, ranked by signal.
-
新西兰发布信息公开流程建模本体
研究人员开发了FOI-O，一个旨在对信息公开（FOI）请求相关流程进行建模和分析的新本体和验证框架。该系统专门针对新西兰的《官方信息法》，旨在梳理和阐明FOI请求记录中复杂的、常常混合了通信、系统状态和法律结果的数据。FOI-O提供了一种标准化方法来表示请求档案、事件和元数据，并支持JSON、Python、SKOS、OWL、RDF和SHACL等格式的配套资产，以及流程模型和导出示例。
-
新框架评估LLM的业务流程建模能力
一个名为BEF4LLM的新框架已被开发出来，用于系统地评估大型语言模型（LLM）生成的业务流程模型和符号（BPMN）模型的质量。该框架从语法、语用、语义和有效性四个维度评估模型。在一项全面的分析中，LLM在语法和语用质量方面表现强劲，而人类专家在语义方面保持优势，尽管差异并不显著。研究结果突显了LLM在BPMN建模方面的潜力，同时也指出了在有效性和语义质量方面需要改进的领域，以增强实际应用。
-
自然语言漂移在代理软件开发中持续存在
自然语言虽然容易发生漂移，但仍然是软件开发的关键组成部分，尤其是在表达用户意图和反馈方面。代理代码生成虽然直接执行这些自然语言指令，但并未消除漂移，反而使其可执行。开发记号的正式程度与技术和业务利益相关者之间的协作潜力成反比，高度正式的记号为非技术人员的参与留下的空间更少。在业务关键决策仍以自然语言表达的领域，为 AI 代理的解释和行动提供了最大的自由度。
-
LLM 原生理解 BPMN，绕过定制 AI 集成的需求
像 Claude 这样的语言大模型（LLMs）无需定制集成即可理解和分析业务流程模型和符号（BPMN）文件，因为该标准的 XML 格式和元素名称很可能已存在于其训练数据中。这种固有的 AI 可读性与需要供应商构建适配器的专有流程建模格式形成对比。虽然将 BPMN XML 粘贴到 LLM 中可以展示其理解能力，但真正的流程集成需要能够弥合 AI 分析能力与可视化建模环境之间差距的工具。
-
AI编码代理通过专用工具和反馈提高效率和正确性
近期研究探讨了AI编码代理的进展，重点关注提高其效率、正确性以及在软件开发工作流程中的集成。研究强调了专用代理在业务流程自动化等特定任务上优于通用代理的优势，在准确性、速度和成本降低方面取得了显著改进。其他研究引入了“生成式编译”等方法，在代码生成过程中提供实时编译器反馈，从而提高正确性并减少错误。此外，正在开发通过累积的行为规则和行锚定反馈进行自我改进的技术，使AI代理能够从纠正中学习，降低代币成本，并提高生产环境中整体代码质量。