Методи покращення великих мовних моделей для покращення якості рефакторингу коду
| dc.contributor.author | Сирота, Олександр Анатолійович | uk_UA |
| dc.contributor.author | Горячкін, Вадим Миколайович | uk_UA |
| dc.date.accessioned | 2025-05-25T15:08:07Z | |
| dc.date.available | 2025-05-25T15:08:07Z | |
| dc.date.issued | 2025 | |
| dc.description | О. Сирота: ORCID 0000-0001-7391-2471; В. Горячкін: ORCID 0000-0002-8952-952X | uk_UA |
| dc.description.abstract | UKR: У даному досліджені розглядаються методи покращення великих мовних моделей (LLM) для рефакторингу програмного забезпечення. Використовуючи методи точного налаштування та індексації файлів вихідного коду, розкривається питання покращення результатів використання LLM для задачі рефакторингу кодових баз та покращеного використання контексту мовних моделей. Запропоновані підходи націлені на підвищення якості вихідного коду після рефакторингу, а також покращення різних великих мовних моделей шляхом змін в самій моделі чи інтеграції її з додатковим програмним забезпеченням. Оцінка результатів реалізації методів буде здійснюватися за допомогою показників Code Health та F1-метрики. Це дає змогу визначити ефективність запропонованих рішень. Результати досліджень відкривають нові перспективи для академічних досліджень та ефективного впровадження у проекти різного масштабу. | uk_UA |
| dc.description.abstract | ENG: This study discusses methods for improving large language models (LLMs) for software refactoring. Using the methods of fine-tuning and indexing source code files, the paper addresses the issue of improving the results of using LLM for the task of refactoring code bases and improving the use of the context of language models. The proposed approaches are aimed at improving the quality of the source code after refactoring, as well as improving various large language models by changing the model itself or integrating it with additional software. The results of the methods implementation will be evaluated using Code Health and F1 metrics. This allows us to determine the effectiveness of the proposed solutions. The research results open up new perspectives for academic research and effective implementation in projects of various sizes. | en |
| dc.identifier.citation | Сирота О. А., Горячкін В. М. Методи покращення великих мовних моделей для покращення якості рефакторингу коду. Інформаційні технології в металургії та машинобудуванні – ІТММ’2025 : тези доп. Міжнародної наук.-техн. конф. (м. Дніпро, 23-24 березня 2025 р.). Дніпро, 2025. C. 615–619. DOI: 10.34185/1991-7848.itmm.2025.01.110. | uk_UA |
| dc.identifier.doi | 10.34185/1991-7848.itmm.2025.01.110 | |
| dc.identifier.issn | 2708-0102 (Online) | |
| dc.identifier.uri | https://journals.nmetau.edu.ua/index.php/itmm/article/view/2179 | en |
| dc.identifier.uri | https://crust.ust.edu.ua/handle/123456789/20343 | en |
| dc.language.iso | uk | |
| dc.publisher | Український державний університет науки і технологій, ІВК «Системні технології», Дніпро | uk_UA |
| dc.subject | рефакторинг | uk_UA |
| dc.subject | розробка | uk_UA |
| dc.subject | код | uk_UA |
| dc.subject | штучний інтелект | uk_UA |
| dc.subject | машинне навчання | uk_UA |
| dc.subject | велика мовна модель | uk_UA |
| dc.subject | refactoring | en |
| dc.subject | development | en |
| dc.subject | code | en |
| dc.subject | LLM | en |
| dc.subject | artificial intelligence | en |
| dc.subject | machine learning | en |
| dc.subject | large language model | en |
| dc.subject | КІТ | uk_UA |
| dc.subject.classification | TECHNOLOGY::Information technology | en |
| dc.title | Методи покращення великих мовних моделей для покращення якості рефакторингу коду | uk_UA |
| dc.title.alternative | Methods for Improving Large Language Models to Improve the Quality of Code Refactoring | en |
| dc.type | Thesis | en |