Научный семинар Искусственный интеллект Машинное обучение Анализ данных Информатика и алгоритмы
- Дата проведения: 30 сентября 2026
- Длительность: 1:41:17
- Спикеры: Ольга Митрофанова, к.ф.н., доцент СПбГУ
Современные языковые модели успешно справляются с порождением связных текстов, воспроизводя задаваемые пользователем характеристики (язык, стиль, структура и т.д.).
Вместе с тем, есть те лингвистические задачи, которые представляют сложность для LLM, в частности, моделирование лексико-семантических отношений в словосочетаниях, дифференциация синонимии и антонимии, моделирование внутрисловных связей и т.д.
В докладе рассматриваются решения, позволяющие повысить интерпретируемость результатов работы LLM. Материалы доклада могут заинтересовать как лингвистов, использующих LLM в своих исследованиях, так и прикладных математиков, разрабатывающих новые нейросетевые архитектуры.
Литература:
Astapenka, L., & Mitrofanova, O. (2026). Prediction of Lexical-Semantic Relations In Belarusian: From Word2Vec to LLM. In Computación y Sistemas, 30(1)
Athugodage, M., & Mitrofanova, O. (2025, June). The Influence of Language Typological Features on Neural Summarization Performance. In International Conference on Internet and Modern Society (pp. 132-144). Cham: Springer Nature Switzerland.
Bakaev, M., Gorovaia, S., & Mitrofanova, O. (2025). Who will author the synthetic texts? Evoking multiple personas from large language models to represent users’ associative thesauri. In Big Data and Cognitive Computing, 9(2), 46.
Mitrofanova, O., Iurevtseva, P., & Bakaev, M. (2025, October). What Do LLMs Know About Human Emotions? The Russian Case Study. In International Conference on Speech and Computer (pp. 129-144). Cham: Springer Nature Switzerland.
Rodionova, D. K., & Mitrofanova, O. A. (2026). Representation of Intraword Syntagmatic Relations in Vector Language Models. In Automatic Documentation and Mathematical Linguistics, 60(Suppl 3), 353-359.