Створення середовищ навчання з підкріпленням для постнавчання LLM
Loading...
Date
2026
Authors
Холявко, Микита
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Ця робота присвячена розробці інтерактивного середовища для навчання з підкріпленням великих мовних моделей у задачах програмування. У роботі було проведено дослідження сучасних підходів до постнавчання LLM, зокрема методів RLHF та RLAIF, а також проаналізовано переваги використання верифікованих винагород для об’єктивного оцінювання результатів. Проведено аналіз архітектурних вимог до ізольованого виконання коду та впроваджено власне рішення у вигляді середовища, зданого інтегруватися з репозиторіями реальних програмних проєктів. Результатом роботи є програмне середовище для тренування інтелектуальних агентів на задачах кодування.
Description
Keywords
навчання з підкріпленням, великі мовні моделі, верифікована винагорода, середовище навчання, автоматизоване тестування, постнавчання, генерація коду, магістерська робота