FlowMind: Automatische Workflow-Erstellung mit LLMs

Das sich schnell entwickelnde Feld der Robotic Process Automation (RPA) hat bedeutende Fortschritte bei der Automatisierung repetitiver Prozesse erzielt, doch seine Effektivität nimmt in Szenarien ab, die spontane oder unvorhersehbare Aufgaben erfordern, wie sie von Nutzern verlangt werden. Dieses Papier stellt einen neuartigen Ansatz vor, FlowMind, der die Fähigkeiten großer Sprachmodelle (LLMs) wie Generative Pretrained Transformer (GPT) nutzt, um diese Einschränkung zu überwinden und ein System zur automatischen Workflow-Erstellung zu schaffen. In FlowMind schlagen wir ein generisches Prompt-Rezept für eine Lektion vor, das das LLM-Denken mit verlässlichen Application Programming Interfaces (APIs) verankert. Dadurch mindert FlowMind nicht nur das häufige Problem der Halluzinationen in LLMs, sondern eliminiert auch die direkte Interaktion zwischen LLMs und proprietären Daten oder Code, was die Integrität und Vertraulichkeit der Informationen gewährleistet – ein Grundpfeiler im Finanzsektor. FlowMind vereinfacht außerdem die Benutzerinteraktion, indem es hochrangige Beschreibungen automatisch generierter Workflows präsentiert, die es den Nutzern ermöglichen, diese effektiv zu prüfen und Feedback zu geben. Wir führen auch NCEN-QA ein, einen neuen Datensatz im Finanzbereich zum Benchmarking von Frage-Antwort-Aufgaben auf Grundlage von N-CEN-Berichten zu Fonds. Wir nutzten NCEN-QA, um die Leistung von durch FlowMind generierten Workflows gegenüber Basis- und Ablationsvarianten von FlowMind zu bewerten. Wir demonstrieren den Erfolg von FlowMind, die Bedeutung jeder Komponente im vorgeschlagenen Lektion-Rezept und die Effektivität von Nutzerinteraktion und Feedback in FlowMind.