Anthropic PBC推出开源工具Petri，利用AI智能体审计大语言模型（LLM）行为，识别潜在安全隐患。14款主流模型均存在问题，Petri可自动监测风险，减少人工评估。尽管Claude Sonnet 4.5表现最佳，所有模型仍有行为失准。该工具为开发者提供量化安全指标，推动行业安全标准建立。

本研究提出了一种自适应ERP框架，结合人工智能和自然语言处理技术，通过彼得里网提升ERP定制的效率与准确性，降低资源消耗及对顾问的依赖。

在真实世界的领域，如生产工厂、自动驾驶车辆或交通基础设施中使用强化学习 (RL) 控制代理时，算法的不可信通常是一个问题，部分原因是模型本身的可验证性不足。为了促进 RL 模型的整合并增强人工智能的可信度，我们提出了一种使用 Petri 网 (PNs) 的方法，相比传统的 RL 方法，具有三个主要优势：首先，代理现在可以用一个合并的状态来建模，包括来自给定 PNs...

通过使用嵌入向量表示的 PetriNet2Vec 方法，我们展示了在过程挖掘增强中，PetriNet2Vec 从 Petri 网模型中学习结构和特性，以及在过程分类和过程检索中所展现的实用性。