ВММ

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.

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.

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.