1. Репозиторий Самарского национального исследовательского университета имени академика С.П. Королёва
  2. 04. Материалы конференций
  3. Институт информатики и кибернетики
  4. VOLGA CYBER WEEK
Full metadata record
DC FieldValueLanguage
dc.contributor.authorКолесникова В. Д.ru
dc.date.accessioned2026-10-27T05:29:09Z-
dc.date.available2026-10-27T05:29:09Z-
dc.date.issued2026ru
dc.identifierRU\НТБ СГАУ\589964ru
dc.identifier.citationКолесникова, В. Д. Сравнительное исследование методов повышения надежности API-вызовов языковых моделей на основе подхода тонкой настройки Gorilla и подхода с динамическим рассуждением ReAct = Comparative study of API call reliability enhancement methods for language models based on the Gorilla fine-tuning approach and the ReAct dynamic reasoning approach / В. Д. Колесникова // Volga Cyber Week : материалы Всерос. II молодеж. науч.-практ. конф. по информатике и кибернетике (Самара, 12-15 мая 2026 г.) / М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т) ; под общ. ред. А. В. Куприянова. - Самара : Изд-во Самар. ун-та, 2026. - С. 189-192.ru
dc.identifier.isbnru
dc.identifier.issnru
dc.identifier.ismnru
dc.identifier.urihttp://repo.ssau.ru/jspui/handle/123456789/64051-
dc.identifier.npsru
dc.identifier.orcidru
dc.description.abstractВ работе проведен сравнительный анализ двух методов повышения надёжности API-вызовов больших языковых моделей: подход на основе тонкой настройки Gorilla и подход на основе динамического рассуждения ReAct. Рассмотрены архитектурные особенности, преимущества и ограничения каждого метода. Выявлены критерии выбора подхода в зависимости от класса решаемых задач. Показано, что Gorilla эффективен для стабильных API, тогда как ReAct предпочтителен в условиях неопределённости.ru
dc.description.firstpage189ru
dc.description.lastpage192ru
dc.format.mimetypeTextru
dc.language.isorusru
dc.sourceVolga Cyber Week : материалы Всерос. II молодеж. науч.-практ. конф. по информатике и кибернетике (Самара, 12-15 мая 2026 г.). - Текст : электронныйru
dc.textpart-
dc.subjectAPI integrationru
dc.subjectAPI-интеграцияru
dc.subjectautonomous agentsru
dc.subjectdeep learningru
dc.subjectexternal toolsru
dc.subjectGorillaru
dc.subjecthybrid systemsru
dc.subjectinteractive learningru
dc.subjectLarge Language Models (LLM)ru
dc.subjectmodel fine-tuningru
dc.subjectneural network modelsru
dc.subjectREACTru
dc.subjectавтономные агентыru
dc.subjectбольшие языковые моделиru
dc.subjectвнешние инструментыru
dc.subjectгибридные системыru
dc.subjectглубокое обучениеru
dc.subjectдообучение моделейru
dc.subjectнейросетевые моделиru
dc.subjectсравнительный анализru
dc.subjectэмперический анализ данныхru
dc.titleСравнительное исследование методов повышения надежности API-вызовов языковых моделей на основе подхода тонкой настройки Gorilla и подхода с динамическим рассуждением ReActru
dc.typeTextru
Appears in Collections:VOLGA CYBER WEEK

Files in This Item:
File SizeFormat 
file-189-192.pdf1.18 MBAdobe PDFView/Open
Show simple item record


Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.