Метод послідовного аналізу варіантів із застосуванням спеціалізованих GPT-моделей для автоматизованої перевірки конкурсних наукових робіт

Abstract

У статтi дослiджено новий пiдхiд до автоматизацiї опрацювання документiв кокурсних наукових робiт, який базується на поєднаннi методу послiдовного аналiзу варiантiв та спецiалiзованих LLM-моделей. Запропонований пiдхiд дозволяє значно оптимiзувати процес перевiрки поданих матерiалiв, зменшити навантаження на експертiв i пiдвищити об’єктивнiсть вiдбору. Робота мiстить теоретичне обґрунтування використання методу послiдовного аналiзу у контекстi автоматизованого аналiзу вiдповiдностi поданих робiт вимогам конкурсу. Методика послiдовного аналiзу адаптована для перевiрки конкурсних робiт. На її основi розроблено структурований алгоритм використання спецiалiзованих GPT-моделей як багаторiвневих фiльтрiв, що забезпечує поетапну перевiрку вiдповiдностi поданих матерiалiв установленим вимогам. Описана узагальнена iнформацiйна модель спецiалiзованого GPT для опрацювання документiв. Запропонований пiдхiд є гнучким та масштабованим, що дозволяє його легко адаптувати для iнших сфер.

The article explores a new approach to automating the processing of scientific compe-tition entries, which is based on the combination of the sequential analysis method and specialized GPT models. The proposed approach significantly optimizes the process of reviewing submitted materials, reduces the workload on experts, and increases the objectivity of selection. The work provides a theoretical justification for the use of the sequential analysis method in the context of automated analysis of the compliance of submitted works with competition requirements. The sequential analysis methodology has been adapted for reviewing competition entries. Based on this, a structured algorithm for using specialized GPT models as multi-level filters has been developed, ensuring a step-by-step verification of the compliance of submitted materials with established requirements. A generalized information model of a specialized GPT for document processing is described. The proposed approach is flexible and scalable, allowing it to be easily adapted to other domains.