Year: 2024
Type: dissertation
Abstract: Este trabajo explora el papel del razonamiento en los modelos grandes de lenguaje (LLMs) y su aplicación potencial en el modelado de procesos empresariales. Se ha realizado una revisión de la literatura, abarcando la evolución de estos modelos y su capacidad para ejecutar diversos tipos de razonamiento. Además, se han analizado las diversas estrategias que permiten mejorar las capacidades de razonamiento de estos modelos, como la ingeniería de prompts, la optimización mediante aprendizaje automático o los agentes. Este estudio se ha completado mediante la aplicación de algunas de estas técnicas a un problema de modelado de procesos empresariales siguiendo el estándar Business Process Model and Notation (BPMN). La puesta en práctica consistió en extraer y modelar los flujos de actividades de documentos funcionales, utilizando técnicas como few-shot, few-shot-CoT, zero-shot y zero-shot-CoT para evaluar su precisión y coherencia. Los resultados indican que la aplicación de estas técnicas tiene utilidad en ciertos casos, consiguiendo extraer y modelar los flujos de actividades según el estándar BPMN. Se han observado mejoras significativas en comparación con los métodos convencionales, aunque persisten limitaciones en la gestión de la complejidad y la ambigüedad. ABSTRACT This work explores the role of reasoning in large language models (LLMs) and their potential application in business process modeling. A literature review is conducted, covering the evolution of these models and their ability to perform various types of reasoning. In addition, various strategies for improving the reasoning capabilities of these models are analyzed, such as prompt engineering, optimization through ma-chine learning, or agents. This study has been completed by applying some of these techniques to a business process modeling problem following the Business Process Model and Notation (BPMN)standard. The implementation consisted of extracting and modeling the activity flows of functional documents, using techniques such as few-shot, few-shot-CoT, zero-shot, and zero-shot-CoT to evaluate their accuracy and consistency. The results indicate that the application of these techniques is useful in certain cases, achieving the extraction and modeling of activity flows according to the BPMN standard. Significant improvements have been observed compared to conventional methods, although limitations in complexity and ambiguity management persist.
Author: Dib Abulhaj, Sausan
Language: Spanish
Topic: Topic Modeling
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7070745640