Registration Number
0826U002007, PhD dissertation
Status
Доктор філософії
Date
09-07-2026
popup.evolution
.
Title
Natural language processing methods and tools for program code generation
Author
Andrii R. Bidochko,
popup.head Yaroslav I. Vyklyuk
popup.opponent Andriy Oliynyk
popup.opponent Serhii H. Stirenko
popup.review Nataliia I. Melnykova
popup.review Viktor M. Khavalko
popup.rada
Lviv Polytechnic National University
Description
Дисертаційне дослідження присвячене розробленню методів і архітектур побудови автономних мультиагентних систем на основі великих мовних моделей, призначених для виконання задач з довгим горизонтом планування у динамічних цифрових середовищах. Актуальність роботи зумовлена обмеженими можливостями сучасних LLM-орієнтованих рішень щодо довготривалої автономної роботи, адаптації поведінки та керування складними процесами у реальному часі без безпосереднього втручання людини.
Сучасні підходи до використання великих мовних моделей здебільшого орієнтовані на виконання короткотривалих або ізольованих завдань, таких як генерація тексту, програмного коду або відповідей на запити користувача. Водночас реальні цифрові процеси, зокрема управління програмними продуктами, маркетинговими кампаніями та операційними бізнес-процесами, характеризуються тривалими траєкторіями виконання, динамічною зміною цілей і необхідністю безперервної адаптації. Це зумовлює потребу у створенні автономних мультиагентних систем, здатних до довготривалого, цілеспрямованого та адаптивного виконання задач на основі природномовних цілей.
Основна частина роботи включає вступ, чотири розділи, висновки та додатки.
У вступі обґрунтовано актуальність теми дослідження, сформульовано мету і завдання роботи, визначено об’єкт і предмет дослідження, а також окреслено наукову новизну та практичну цінність отриманих результатів. У першому розділі «Аналіз методів і архітектур автономних мультиагентних систем на основі великих мовних моделей» проведено огляд сучасних підходів до обробки природньої мови, агентних та мультиагентних систем, а також методів автоматизованого виконання складних задач. Проаналізовано архітектури LLM-орієнтованих агентів, підходи до планування, використання інструментів, пам’яті та взаємодії між агентами. Виявлено ключові обмеження існуючих рішень у контексті задач з довгим горизонтом планування, зокрема відсутність керування траєкторіями виконання, деградацію ефективності через накопичення контексту та нестачу механізмів довготривалої адаптації. На основі проведеного аналізу сформульовано наукову проблему та визначено напрями подальших досліджень.
У другому розділі «Розроблення методів та архітектур мультиагентних систем на основі великих мовних моделей» запропоновано архітектуру автономної мультиагентної системи LLMAgentNet, яка забезпечує декомпозицію складних задач, координацію агентів та оптимізований обмін даними під час тривалого виконання. Розроблено метод оптимізації runtime-пам’яті та обміну результатами між агентами, який дозволяє зменшити зростання контексту великих мовних моделей у процесі довготривалого виконання задач. Представлено формалізовані алгоритми виконання та порівняння з наївним підходом до накопичення контексту.
У третьому розділі «Розроблення системи управління міркуваннями для довготривалого автономного виконання задач» розроблено систему управління міркуваннями (Thought Management System, TMS) як когнітивний керуючий шар над мультиагентною системою. Запропоновано ієрархічну модель представлення цілей, підцілей та запитів на виконання, а також алгоритм життєвого циклу міркувань, що охоплює планування, виконання, оцінювання та адаптацію. Обґрунтовано використання елементів підкріплювального навчання та функцій винагороди для адаптації поведінкових стратегій агентів у задачах з довгим горизонтом планування.
У четвертому розділі «Реалізація та експериментальна апробація автономної мультиагентної системи» представлено експериментальний прототип розробленої системи та результати оцінювання її ефективності. Проведено експерименти на еталонних середовищах і в прикладних сценаріях, що імітують довготривале управління складними цифровими процесами, зокрема у сфері контентного та маркетингового управління. Результати експериментів підтверджують підвищення автономності, стабільності та адаптивності виконання порівняно з існуючими LLM-орієнтованими підходами.
У висновках підсумовано основні результати дисертаційного дослідження, визначено напрями їх практичного застосування та показано, що поставлену мету і завдання роботи повністю досягнуто.
Список використаних джерел містить 149 найменувань і охоплює сучасні дослідження у галузі великих мовних моделей, мультиагентних систем, підкріплювального навчання та автономних інтелектуальних систем.
У додатках наведено додаткові матеріали, що ілюструють реалізацію окремих компонентів запропонованої системи та результати експериментальних досліджень.
Registration Date
2026-05-28
popup.nrat_date
2026-05-28 / 2026-07-13
