Buchumschlag

LLMs that Understand Processes: Instruction-tuning for Semantics-Aware Process Mining

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pyrih, Vira, Rebmann, Adrian, van der Aa, Han
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Evaluating the Ability of LLMs to Solve Semantics-Aware Process Mining Tasks
von: Rebmann, Adrian, et al.
Veröffentlicht: (2024)

On the Potential of Large Language Models to Solve Semantics-Aware Process Mining Tasks
von: Rebmann, Adrian, et al.
Veröffentlicht: (2025)

Mining Constraints from Reference Process Models for Detecting Best-Practice Violations in Event Logs
von: Rebmann, Adrian, et al.
Veröffentlicht: (2024)

PET: An Annotated Dataset for Process Extraction from Natural Language Text
von: Bellan, Patrizio, et al.
Veröffentlicht: (2022)

A Universal Prompting Strategy for Extracting Process Model Information from Natural Language Text using Large Language Models
von: Neuberger, Julian, et al.
Veröffentlicht: (2024)

Assisted Data Annotation for Business Process Information Extraction from Textual Documents
von: Neuberger, Julian, et al.
Veröffentlicht: (2024)

PM-LLM-Benchmark: Evaluating Large Language Models on Process Mining Tasks
von: Berti, Alessandro, et al.
Veröffentlicht: (2024)

Understanding the effects of language-specific class imbalance in multilingual fine-tuning
von: Jung, Vincent, et al.
Veröffentlicht: (2024)

Instruction-tuning Aligns LLMs to the Human Brain
von: Aw, Khai Loong, et al.
Veröffentlicht: (2023)

On the Sensitivity of Instruction-tuned LLMs to Harmful Sentences in Long Inputs
von: Ghorbanpour, Faeze, et al.
Veröffentlicht: (2025)

Multilingual LLMs Struggle to Link Orthography and Semantics in Bilingual Word Processing
von: Tanwar, Eshaan, et al.
Veröffentlicht: (2025)

Imposing Rules in Process Discovery: an Inductive Mining Approach
von: Norouzifar, Ali, et al.
Veröffentlicht: (2024)

Context-Aware Neural Gradient Mapping for Fine-Grained Instruction Processing
von: Boldo, David, et al.
Veröffentlicht: (2025)

Beyond Understanding: Evaluating the Pragmatic Gap in LLMs' Cultural Processing of Figurative Language
von: Attia, Mena, et al.
Veröffentlicht: (2025)

Instructions Shape Production of Language, not Processing
von: Waldis, Andreas, et al.
Veröffentlicht: (2026)

Compact Prompting in Instruction-tuned LLMs for Joint Argumentative Component Detection
von: Elguendouze, Sofiane, et al.
Veröffentlicht: (2026)

Learning or Self-aligning? Rethinking Instruction Fine-tuning
von: Ren, Mengjie, et al.
Veröffentlicht: (2024)

Semantic Compression of LLM Instructions via Symbolic Metalanguages
von: van Gassen, Ernst
Veröffentlicht: (2026)

The Construction of Instruction-tuned LLMs for Finance without Instruction Data Using Continual Pretraining and Model Merging
von: Hirano, Masanori, et al.
Veröffentlicht: (2024)

What is Business Process Automation Anyway?
von: Vu, Hoang, et al.
Veröffentlicht: (2025)

RATIONALYST: Mining Implicit Rationales for Process Supervision of Reasoning
von: Jiang, Dongwei, et al.
Veröffentlicht: (2024)

EEVEE: An Easy Annotation Tool for Natural Language Processing
von: Sorensen, Axel, et al.
Veröffentlicht: (2024)

Improving Semantic Understanding in Speech Language Models via Brain-tuning
von: Moussa, Omer, et al.
Veröffentlicht: (2024)

ATACompressor: Adaptive Task-Aware Compression for Efficient Long-Context Processing in LLMs
von: Li, Xuancheng, et al.
Veröffentlicht: (2026)

PGTNet: A Process Graph Transformer Network for Remaining Time Prediction of Business Process Instances
von: Elyasi, Keyvan Amiri, et al.
Veröffentlicht: (2024)

ProMoAI: Process Modeling with Generative AI
von: Kourani, Humam, et al.
Veröffentlicht: (2024)

HAT: Hardware-Aware Transformers for Efficient Natural Language Processing
von: Wang, Hanrui, et al.
Veröffentlicht: (2020)

Recursive Think-Answer Process for LLMs and VLMs
von: Lee, Byung-Kwan, et al.
Veröffentlicht: (2026)

A Survey of Calibration Process for Black-Box LLMs
von: Xie, Liangru, et al.
Veröffentlicht: (2024)

Fine-tuning Large Language Models with Sequential Instructions
von: Hu, Hanxu, et al.
Veröffentlicht: (2024)

SemScore: Automated Evaluation of Instruction-Tuned LLMs based on Semantic Textual Similarity
von: Aynetdinov, Ansar, et al.
Veröffentlicht: (2024)

Coal Mining Question Answering with LLMs
von: Rivera, Antonio Carlos, et al.
Veröffentlicht: (2024)

Bridging Domain Knowledge and Process Discovery Using Large Language Models
von: Norouzifar, Ali, et al.
Veröffentlicht: (2024)

Are LLMs Really Not Knowledgeable? Mining the Submerged Knowledge in LLMs' Memory
von: Tao, Xingjian, et al.
Veröffentlicht: (2024)

Domain Adaptation of LLMs for Process Data
von: Oyamada, Rafael Seidi, et al.
Veröffentlicht: (2025)

Mining the Explainability and Generalization: Fact Verification Based on Self-Instruction
von: Lu, Guangyao, et al.
Veröffentlicht: (2024)

Improvement in Semantic Address Matching using Natural Language Processing
von: Gupta, Vansh, et al.
Veröffentlicht: (2024)

Language-Aware Distillation for Multilingual Instruction-Following Speech LLMs with ASR-Only Supervision
von: Gopal, Shreyas, et al.
Veröffentlicht: (2026)

Airavata: Introducing Hindi Instruction-tuned LLM
von: Gala, Jay, et al.
Veröffentlicht: (2024)

SepSeq: A Training-Free Framework for Long Numerical Sequence Processing in LLMs
von: Sun, Jie, et al.
Veröffentlicht: (2026)