Size matters less: how fine-tuned small LLMs excel in BPMN generation
Notice bibliographique
Résumé
Abstract The generation of Business Process Model and Notation (BPMN) XML outputs from textual process descriptions presents a promising application for large language models (LLMs), yet it introduces significant challenges due to the structured and precise nature of process modeling. This study evaluates the performance of LLMs—Mistral, GPT-4o, Gemini 1.5 Pro, and Claude 3.5 Sonnet—in BPMN generation, employing prompt engineering strategies across Simple, Medium, and Complex process descriptions to establish a baseline. Our findings reveal key limitations in LLMs, including limited output control, input presentation dependencies, and a lack of explainability, particularly for complex processes with nested flows and intricate dependencies. To address these challenges, we propose a novel Description-to-DOT pipeline utilizing a fine-tuned Qwen2.5 14B Coder model, trained on the MaD dataset of process description-DOT representation pairs. The novelty of the Description-to-DOT pipeline lies in its use of Graphviz DOT format as an intermediate representation, which requires generating fewer tokens and enables faster completion, followed by a Python script that converts DOT to BPMN XML in milliseconds—a significant efficiency improvement over the direct Description-to-BPMN pipeline, with the Description-to-DOT pipeline being approximately 6 times faster for Medium processes and 11 times faster for Complex processes. Experimental results demonstrate that the fine-tuned model significantly outperforms the evaluated LLMs, achieving accurate BPMN generation across all complexity levels. This study contributes: (1) Identification of LLM limitations in BPMN generation, such as logical inconsistencies, (2) A novel Description-to-DOT pipeline enhancing efficiency and accuracy, (3) A new benchmark dataset from the MaD dataset for Description-to-BPMN tasks, and (4) Comprehensive validation of the approach across complexity levels. These findings demonstrate the transformative potential of fine-tuned SLMs, with the Qwen2.5 Coder 14B enabling a scalable Description-to-DOT pipeline that excels in BPMN automation across complexity levels, validated on the MaD dataset.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».