Статья: ПРИМЕНЕНИЕ ПОДХОДОВ ПОВЫШЕНИЯ КАЧЕСТВА ГЕНЕРИРУЕМЫХ ОТВЕТОВ LLM-СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ПРИ ИСПОЛЬЗОВАНИИ НАКОПЛЕННОЙ ИНФОРМАЦИИ ПРЕДПРИЯТИЯ (2026)

Читать онлайн

Развитие больших языковых моделей (LLM) расширило возможности обработки неструктурированных данных в корпоративных средах. Однако фундаментальное ограничение LLM заключается в их зависимости от данных предварительного обучения, что уменьшает их способность надежно работать с информацией предприятий, неопубликованной в других источниках. В статье представлен анализ современных подходов использования корпоративных данных для повышения качества ответов, генерируемых LLM. Рассматриваются системы поисковой дополненной генерации (Retrieval-Augmented Generation - RAG) как в классической векторной реализации, так и в графовом расширении (GraphRAG). Обсуждаются агентные системы и интеграция в их архитектуру RAG- и GraphRAG-подходов, что позволяет строить сложные системы искусственного интеллекта и решения, требующие многоэтапного анализа корпоративных неструктурированных данных. Описывается архитектура классического векторного RAG-подхода, которая состоит из трех основных этапов: получение векторных представлений индексируемых фрагментов документации; поиск фрагментов, релевантных запросу пользователя; формирование ответа по извлеченному контексту, объединенному с исходным запросом. В качестве основного ограничения выделяется отсутствие механизма целостного анализа загруженных проприетарных данных. В свою очередь GraphRAG использует механизм создания графа знаний по контексту, что позволяет работать не с семантически похожими фрагментами данных, а с иерархически кластеризованной информацией посредством накопительного анализа текстовых сводок. Сформулированы недостатки и преимущества использования подходов, определены критерии целесообразности практического применения RAG и GraphRAG, приведены примеры систем, для которых они могут применяться.

Ключевые фразы: большие языковые модели, поисковая дополненная генерация, rag, graphrag, цифровая трансформация, ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ
Автор (ы): Куренков Александр Львович (Kurenkov A. L.), Куренкова Дарья Александровна (Kurenkova D. A.)
Журнал: ВЕСТНИК РОССИЙСКОГО ЭКОНОМИЧЕСКОГО УНИВЕРСИТЕТА ИМЕНИ Г. В. ПЛЕХАНОВА

Предпросмотр статьи

Идентификаторы и классификаторы

SCI
Экономика
УДК
33. Экономика. Народное хозяйство. Экономические науки
Для цитирования:
КУРЕНКОВ А. Л., КУРЕНКОВА Д. А. ПРИМЕНЕНИЕ ПОДХОДОВ ПОВЫШЕНИЯ КАЧЕСТВА ГЕНЕРИРУЕМЫХ ОТВЕТОВ LLM-СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ПРИ ИСПОЛЬЗОВАНИИ НАКОПЛЕННОЙ ИНФОРМАЦИИ ПРЕДПРИЯТИЯ // ВЕСТНИК РОССИЙСКОГО ЭКОНОМИЧЕСКОГО УНИВЕРСИТЕТА ИМЕНИ Г. В. ПЛЕХАНОВА. 2026. Т. 23 № 4 (148)
Текстовый фрагмент статьи
Будьте первым, кто начнет обсуждение

Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.