ВММ

Intelligent Automated System for Parsing and Ranking Resumes

Resume parsing is a method used to extract key information from resumes, allowing for further actions such as candidate selection and ranking.  In traditional recruitment processes, companies often handle thousands of resumes manually or require applicants to follow a pre-defined template.  However, the evolving recruitment environment calls for more advanced technological solutions and efficient resume analysis methods.  Although various basic techniques can analyze structured documents, they are inadequate for processing unstructured formats such as PDF, DOC, and DOCX

Дослідження та розробка програмних поведінкових компонент в комп’ютерних ігрових системах

Висвітлено результати дослідження можливостей побудови програмних поведінкових компонент на базі великих мовних моделей (LLM) та їх використання в ігрових системах. Предметом дослідження є поведінковий компонент неігрових персонажів (NPC) комп’ютерної гри, інтегрований з LLM. Метою пошуку є вивчення та аналіз особливостей застосування LLM для спрощення розробки NPC. Проаналізовано ігрові штучні інтелекти (AI) – реактивні, керовані станами та навчальні. Розглянуто взаємодію з NPC через LLM для чат-спілкування та досліджено аналоги поведінки й діалогу таких персонажів.

Порівняльний аналіз генерації смарт-контрактів Solidity за допомогою великих мовних моделей на основі формальних алгебраїчних специфікацій

Дана стаття присвячена порівняльному аналізу автоматичної генерації смартконтрактів на мові Solidity за допомогою великих мовних моделей на основі двох підходів: текстових описів природною мовою та формальних алгебраїчних специфікацій. У ході роботи було проаналізовано смарт-контракти, згенеровані великими мовними моделями (ChatGPT-4, Claude 3.7 Sonnet, DeepSeek-V3), а також інструментом на основі штучного інтелекту GitHub Copilot, з оцінкою їхньої синтаксичної коректності та відповідності початковим вимогам.

Великі мовні моделі та особиста інформація: проблеми безпеки та шляхи їх вирішення за допомогою анонімізації

У світлі зростаючих можливостей великих мовних моделей (ВММ) виникає нагальна потреба в ефективних методах захисту персональних даних у онлайн-текстах. Існуючі методи анонімізації часто виявляються неефективними проти складних алгоритмів аналізу ВММ, особливо при обробці чутливої інформації, такої як медичні дані. Це дослідження пропонує інноваційний підхід до анонімізації, який поєднує k-анонімність та адверсаріальні методи. Наш підхід спрямований на підвищення ефективності та швидкості анонімізації при збереженні високого рівня захисту даних.