自动可执行流程建模中的歧义检测和消除

大语言模型 越来越多地支持根据自然语言规范自动生成可执行业务流程模型和表示法 (BPMN) 模型。然而，不明确或不明确的文本可以产生具有不同模拟行为的结构有效模型。我们的目标不是证明生成的 BPMN 模型在语义上是正确的，而是检测自然语言规范在重复生成和模拟下何时无法支持稳定的可执行解释。我们提出了一个诊断驱动的框架，该框架从关键绩效指标（KPI）的经验分布中检测行为不一致，使用基于模型的诊断将分歧定位到网关逻辑，将该逻辑映射回逐字叙述片段，并通过基于证据的细化修复源文本。糖尿病肾病健康指导政策的实验表明，该方法减少了再生模型行为的变异性。结果是在没有 真值 BPMN 模型的情况下验证和修复可执行流程规范的闭环方法。