Реєстраційний номер
0826U002938, Дисертація доктора філософії
На здобуття
Доктор філософії
Дата захисту
22-07-2026
Статус
Захищена
Назва роботи
Методи та моделі керування ієрархічними інтелектуальними агентами на основі великих мовних моделей у задачах планування та навігації
Здобувач
Омельченко Ігор Валерійович,
Керівник Струков Володимир Михайлович
Опонент Філатов Валентин Олександрович
Опонент Гороховатський Олексій Володимирович
Рецензент Кіріченко Людмила Олегівна
Рецензент Турута Олексій Петрович
Установа, організація, у вченій раді якої відбудеться/відбувся захист
Харківський національний університет імені В. Н. Каразіна
Опис
Дисертаційна робота присвячена вирішенню актуальної науково-прикладної задачі сучасної галузі штучного інтелекту — забезпечення автономної навігації та взаємодії агентів із динамічними середовищами. У роботі розроблено інформаційну технологію для проєктування та навчання автономних ієрархічних агентів, які базуються на великих мовних моделях (LLM).
У роботі представлено архітектуру ієрархічного агента, яка включає модуль планування на основі великої мовної моделі та рефлексивну пам'ять. Запропоновано метод рефлексивної адаптації агента, який базується на автоматичному виявленні помилок планування в історії епізодів та генерації коригувальних правил природною мовою. Проаналізовано вплив мовних інструкцій на показники ефективності агента у двовимірному середовищі Minigrid. Покращено процес планування дій агента шляхом використання методу декодування з обмеженням граматики.
У дисертаційній роботі представлено результати, які містять наукову новизну та мають прикладну цінність для проєктування та розробки автономних інтелектуальних систем управління, які функціонують у процедурно-генерованих середовищах і можуть бути використані для керування робототехнічними системами.
Зміст дисертації. Вступ присвячено обґрунтуванню актуальності обраної теми, визначенню мети та основних завдань дослідження. У розділі також висвітлено наукову новизну та практичне значення дослідження.
У розділі 1 проаналізовано актуальні наукові джерела, присвячені моделям та методам створення агентів, починаючи від методів навчання з підкріпленням і до сучасних агентів на основі великих мовних моделей (LLM), проблемам надійності та глаюцинацій у великих мовних моделях, зокрема у задачах планування, моделям пам'яті LLM-агентів та методам керування пам'яттю. На основі аналізу джерел сформульовано завдання дослідження.
Розділ 2 присвячено методам керування агентами на основі великих мовних моделей за допомогою мовних інструкцій. Розглянуто інструментарій для створення процедурно-генерованих середовищ Minigrid. Проведено експериментальні дослідження з оцінки впливу методів формування мовних інструкцій на показники ефективності агента. Обґрунтовано вибір методу розробки мовних інструкцій для автономних ієрархічних агентів в задачі навігації.
У розділі 3 розглянуто проблему синтаксичних галюцинацій великих мовних моделей в задачі планування дій ієрархічних агентів. Запропоновано використання методу декодування з обмеженням граматики до процесу планування високрівневих дій LLM-агентом, що дозволяє вирішити проблему синтаксичних галюцинацій LLM. Виконано експериментальні дослідження з виявлення впливу декодування з обмеженням граматики на показники якості планування дій агента.
У розділі 4 запропоновано модель структурованої рефлексивної пам'яті та архітектуру ієрархічного агента з розробленою рефлексивною пам'яттю. Проведено експериментальні дослідження та порівняльний аналіз показників ефективності агента з різними моделями пам'яті, як з рефлексивною пам'яттю, так і з простішими моделями пам'яті.
У висновках відображено головні ідеї та результати дисертаційної роботи.
Ключові слова: штучний інтелект, глибоке навчання, нейронні мережі, машинне навчання, стохастична градієнтна оптимізація, навчання з підкріпленням, обробка природної мови, велика мовна модель, transformer, промпт, інтерпретованість, прийняття рішень, агент, віртуальне середовище, Minigrid.
Дата реєстрації
2026-06-29
Додано/оновлено в НРАТ
2026-06-29 / 2026-08-28
