本研究提出了一种多模态变换融合与递归单元网络（MMTFRU Network），旨在提高复杂组装过程中的活动预测精度。该系统结合操作员行动监测单元，主动指导操作员，减少组装偏差，提高动态环境中的效率。

本研究探讨了大型语言模型（LLMs）在过程挖掘中的应用，特别是在语义异常检测和活动预测方面。结果表明，经过微调的LLMs在复杂任务中优于小型模型。此外，研究提出了大型过程模型（LPM），旨在提升业务转型效率，并强调LLMs在法律和生物医学领域的潜力。