根据文本流程描述自动生成 BPMN 模型：多阶段 LLM 驱动方法

由于异构建模约定、多语言源以及缺乏可靠的 真值，从非结构化自然语言描述自动重建 BPMN 模型仍然具有挑战性。我们提出了一个可扩展、多阶段 LLM 驱动的管道，可自动执行 真值 构建和模型重建。多语言 BPMN XML 文件被翻译成英语，使用 SpiffWorkflow 中面向执行的合规性检查进行验证，并通过有针对性的 LLM 引导的更正进行迭代修复，以生成一致的 真值 语料库。根据这些经过验证的模型，生成流程描述并用于重建可执行的 BPMN~2.0 XML 图表，而无需手动管理。我们引入了一个多维相似性框架，结合了结构度量、类型分布对齐和基于嵌入的语义度量。在对 750 个公共 BPMN 图的实证研究中，该管道生成了 387 个经过验证的 真值 模型，并实现了高于 0.75 的平均重建相似度，其中包括大约 50 个近乎完美的重建，仅在较小的命名变化上有所不同。结果表明，LLM 可以大规模生成结构兼容且语义有意义的 BPMN 图。