Suchergebnisse - "большие языковые модели"
-
1
Autoren:
Quelle: Информатика и автоматизация, Vol 24, Iss 6, Pp 1721-1750 (2025)
Schlagwörter: методология, большие языковые модели (llm), эталонный тест llm, обработка естественного языка (nlp), числительные, Electronic computers. Computer science, QA75.5-76.95
Dateibeschreibung: electronic resource
-
2
Autoren:
Quelle: Информатика и автоматизация, Vol 24, Iss 6, Pp 1623-1648 (2025)
Schlagwörter: социальные медиа, публикации, обобщение, большие языковые модели, генерация дополненная поиском, интеллектуальные агенты, гибридный метод, Electronic computers. Computer science, QA75.5-76.95
Dateibeschreibung: electronic resource
-
3
Autoren:
Quelle: Информатика и автоматизация, Vol 24, Iss 5, Pp 1444-1470 (2025)
Schlagwörter: большие языковые модели, нейронные сети, машинное обучение, генерация текста, ансамбль классификаторов, признаки текста, Electronic computers. Computer science, QA75.5-76.95
Dateibeschreibung: electronic resource
-
4
Autoren:
Quelle: Научно-технический вестник информационных технологий, механики и оптики, Vol 25, Iss 4, Pp 737-743 (2025)
Schlagwörter: большие языковые модели, длинные последовательности, нейронные сети, дистилляция знаний, модель учителя, модель ученика, выборочное вмешательство в процесс обучения, низкоранговая адаптация, Information technology, T58.5-58.64
Dateibeschreibung: electronic resource
-
5
Autoren:
Schlagwörter: НЕЙРОННЫЕ СЕТИ, ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ, БОЛЬШИЕ ЯЗЫКОВЫЕ МОДЕЛИ, DIGITAL TRANSLATION, ЦИФРОВОЙ ПЕРЕВОД, MACHINE TRANSLATION SYSTEMS, ARTIFICIAL INTELLIGENCE, NEURAL NETWORKS, LARGE LANGUAGE MODELS, СИСТЕМЫ МАШИННОГО ПЕРЕВОДА, ЛИНГВИСТИЧЕСКИЕ ТЕХНОЛОГИИ, LINGUISTIC TECHNOLOGIES
Dateibeschreibung: application/pdf
Zugangs-URL: https://elar.urfu.ru/handle/10995/143387
-
6
Autoren:
Schlagwörter: NORMALIZATION, БОЛЬШИЕ ЯЗЫКОВЫЕ МОДЕЛИ, MASTER DATA MANAGEMENT (MDM), НОРМАТИВНО-СПРАВОЧНАЯ ИНФОРМАЦИЯ (НСИ), НОРМАЛИЗАЦИЯ, ДУБЛИКАТЫ, LARGE LANGUAGE MODELS, DATA PROCESSING, ОБРАБОТКА ДАННЫХ, DUPLICATES
Dateibeschreibung: application/pdf
Zugangs-URL: http://elar.urfu.ru/handle/10995/142803
-
7
-
8
Autoren:
Quelle: Информатика и автоматизация, Vol 24, Iss 1, Pp 275-301 (2025)
Schlagwörter: аннотация, генерация, большие языковые модели, цифровизация, машинное обучение, Electronic computers. Computer science, QA75.5-76.95
Dateibeschreibung: electronic resource
-
9
-
10
Autoren: et al.
Quelle: Secondary artificial intelligence: A technological revolution that promotes enterprise equity and breaks down information barriers; ; Вторичный искусственный интеллект: технологическая революция, способствующая справедливости предприятий и разрушающая информационные барьеры
Schlagwörter: безопасность информации, малые предприятия, снижение затрат, монополизация рынка, обработка данных, вторичный искусственный интеллект, большие языковые модели, самообучающиеся системы, оптимизация ресурсов, многоязычный перевод
Dateibeschreibung: text/html
Relation: info:eu-repo/semantics/altIdentifier/isbn/978-5-6054101-3-3; https://interactive-plus.ru/e-articles/946/Action946-575073.pdf
-
11
Autoren: et al.
Quelle: Научно-технический вестник информационных технологий, механики и оптики, Vol 24, Iss 6, Pp 991-998 (2024)
Schlagwörter: языковые корпуса, русский язык, большие языковые модели, усвоение иностранного языка, обработка естественного языка, оценка приемлемости, универсальная грамматика, Information technology, T58.5-58.64
Dateibeschreibung: electronic resource
-
12
Autoren: et al.
Quelle: Научно-технический вестник информационных технологий, механики и оптики, Vol 24, Iss 6, Pp 1024-1034 (2024)
Schlagwörter: вопросно-ответные системы, обработка естественного языка, генерация естественного языка, предобученные языковые модели, большие языковые модели, дообучение, разработка программного обеспечения, Information technology, T58.5-58.64
Dateibeschreibung: electronic resource
-
13
Autoren: et al.
Quelle: Relevant issues of management, economics and economic security; ; Актуальные проблемы менеджмента, экономики и экономической безопасности
Schlagwörter: зависимость, искусственный интеллект, artificial intelligence, машинное обучение, machine learning, алгоритмы, персонализация, personalization, algorithms, addiction, YouTube, большие языковые модели, recommender systems, information bubble, large language models, рекомендательные системы, информационный пузырь
Dateibeschreibung: text/html
Relation: info:eu-repo/semantics/altIdentifier/isbn/978-5-908083-01-0; https://phsreda.com/e-articles/10796/Action10796-151866.pdf; Цифровая экономика: 2024: краткий статистический сборник / В.Л. Абашкин, Г.И. Абдрахманова, К.О. Вишневский [и др.]; Нац. исслед. ун-т «Высшая школа экономики». – М.: ИСИЭЗ ВШЭ, 2024. – 124 с.; [Электронный ресурс]. – Режим доступа: https://rosstat.gov.ru/statistics/infocommunity/publications (дата обращения: 20.11.2025).; Смоленчук Т.В. Метод коллаборативной фильтрации для рекомендательных сервисов / Т.В. Смоленчук // Вестник науки и образования. – 2019. – №22–1 (76) [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/metod-kollaborativnoy-filtratsii-dlya-rekomendatelnyh-servisov (дата обращения: 20.11.2025).; Исаков Д.М. Рекомендательные алгоритмы как современный метод адаптации к изменившимся условиям рынка труда / Д.М. Исаков, А.А. Корзинов, А.В. Иванов // Экономика: вчера, сегодня, завтра. – 2025. – Т. 15. №3А. – С. 20–32. – EDN QXTXFB; Российские ИТ-тренды 2025 года: исследование Высшей школы бизнеса НИУ ВШЭ [Электронный ресурс]. – Режим доступа: https://companies.rbc.ru/news/0XoTstYUkB/rossijskie-it-trendyi-2025-goda-issledovanie-vyisshej-shkolyi-biznesa-niu-vshe (дата обращения: 20.11.2025).; Новокшонова П.Н. «Информационный пузырь» и медиапотребление / П.Н. Новокшонова, Т.В. Тарасенко // Актуальные проблемы авиации и космонавтики. – 2021 [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/informatsionnyy-puzyr-i-mediapotreblenie (дата обращения: 20.11.2025).; Красиков В.И. Как алгоритмы социальных сетей и социально-психологические уязвимости формируют участников радикальных онлайн-сообществ / В.И. Красиков, В.И. Кудашов // Журнал СФУ. Гуманитарные науки. – 2023. – №12 [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/kak-algoritmy-sotsialnyh-setey-i-sotsialno-psihologicheskie-uyazvimosti-formiruyut-uchastnikov-radikalnyh-onlayn-soobschestv (дата обращения: 20.11.2025). EDN GYEVEV; Терещенко О.В. Беспорядок и преступность как одно из последствий всемирного процесса глобализации / О.В. Терещенко // Национальное здоровье. – 2016. – №1–2. – С. 191–199. – EDN YHRNRV.; Российские информационные вызовы и ответы на них / Г.В. Арустамян, Д.О. Шестак, Р.А. Дилбандян, О.В. Терещенко // Культура Мира. – 2025. – Т. 13. №47 (4). – С. 181–195. – EDN IKDNZR.; Роль больших языковых моделей в интегрированных средах разработки нового поколения / А.Ю. Ишанхонов, Д.В. Пшиченко, Е.А. Можаровский, А.С. Алуев // Программные системы и вычислительные методы. – 2024. – №4 [Электронный ресурс]. – Режим доступа: https://cyberleninka.ru/article/n/rol-bolshih-yazykovyh-modeley-v-integrirovannyh-sredah-razrabotki-novogo-pokoleniya (дата обращения: 20.11.2025). DOI 10.7256/2454-0714.2024.4.72022. EDN KMTOBG; Балановский В.В. Методические рекомендации и материалы по информационной гигиене в молодежной среде: учебное электронное издание / В.В. Балановский. – Калининград: Изд-во БФУ им. И. Канта, 2023. – 40 с. EDN QDSJQF; https://phsreda.com/article/151866/discussion_platform
-
14
Autoren: et al.
Schlagwörter: ЦИФРОВАЯ ТРАНСФОРМАЦИЯ, ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В ОБРАЗОВАНИИ, ПЕДАГОГИЧЕСКИЕ КОМПЕТЕНЦИИ, БОЛЬШИЕ ЯЗЫКОВЫЕ МОДЕЛИ, ЦИФРОВИЗАЦИЯ ОБУЧЕНИЯ, УПРАВЛЕНИЕ ОБРАЗОВАНИЕМ, DIGITAL TRANSFORMATION, ARTIFICIAL INTELLIGENCE IN EDUCATION, PEDAGOGICAL COMPETENCIES, LARGE LANGUAGE MODELS, LEARNING DIGITALIZATION, EDUCATION MANAGEMENT, LLM
Dateibeschreibung: application/pdf
Relation: Университетское управление: практика и анализ. 2025. Том 29. № 1; https://www.umj.ru/jour/article/view/1977; https://elar.urfu.ru/handle/10995/146982
-
15
Autoren: et al.
Quelle: Monitoring Obŝestvennogo Mneniâ: Ekonomičeskie i Socialʹnye Peremeny, Iss 4, Pp 28-52 (2025)
Schlagwörter: самосохранительное поведение, табакокурение, генеративный искусственный интеллект, большие языковые модели, цифровая демография, социальные сети, Sociology (General), HM401-1281
Relation: https://www.monitoringjournal.ru/index.php/monitoring/article/view/2996; https://doaj.org/toc/2219-5467; https://doaj.org/article/b4e10fe9cc254e6796edecd3fd1950bc
-
16
Autoren:
Quelle: Business Informatics; Vol 19 No 2 (2025); 41-53 ; Бизнес-информатика; Том 19 № 2 (2025); 41-53 ; 2587-8158 ; 2587-814X ; 10.17323/2587-814X.2025.2
Schlagwörter: large language models, product search, search query recommendations, search query transformation, user intent determination, text analysis, machine learning, e-commerce, большие языковые модели, поиск продуктов, рекомендации поисковых запросов, преобразование поисковых запросов, определение намерений пользователей, анализ текста, машинное обучение, электронная коммерция
Dateibeschreibung: application/pdf
Relation: https://bijournal.hse.ru/article/view/27539/22618; https://bijournal.hse.ru/article/view/27539/22619; https://bijournal.hse.ru/article/view/27539
-
17
Autoren: et al.
Quelle: Coaching psychology: methodology, theory, practice; 159-166 ; Психология коучинга: методология, теория, практика; 159-166
Schlagwörter: искусственный интеллект, коучинг, этика ИИ, метапознание, LLM, большие языковые модели, гибридные системы
Dateibeschreibung: text/html
Relation: info:eu-repo/semantics/altIdentifier/isbn/978-5-907965-52-2; https://phsreda.com/e-articles/10698/Action10698-127567.pdf; Arakawa R., Yakura H. Coaching Copilot: Blended Form of an LLM-Powered Chatbot and a Human Coach to Effectively Support Self-Reflection for Leadership Growth. ACM Conversational User Interfaces 2024 (CUI ’24).; Axelsson M., Churamani N., Çaldır A., Gunes H. (2025). Participant Perceptions of a Robotic Coach Conducting Positive Psychology Exercises: A Qualitative Analysis. ACM Transactions on Human-Robot Interaction, 14 (2), Article 36.; Blyler A.P., Seligman M.E.P. (2024). AI assistance for coaches and therapists. The Journal of Positive Psychology, 19 (4), 579–591.; Casenave E., Schmitt L. (2025). Comparing AI coaching and sales manager coaching: A construal-level approach. Journal of Business Research, 190, 115241.; De Duro E.S., Improta R., Stella M. (2025). Introducing CounseLLMe: A dataset of simulated mental health dialogues for comparing LLMs like Haiku, LLaMAntino and ChatGPT against humans. Emerging Trends in Drugs, Addictions, and Health, 5, 100170.; Elyoseph Z., Levkovich I., Shinan-Altman S. (2024). Assessing prognosis in depression: comparing perspectives of AI models, mental health professionals and the general public. Family Medicine and Community Health, 12, e002583. https://doi.org/10.1136/fmch-2023-002583. EDN: EXFPMC; Graßmann C., Schermuly C.C. (2021). Coaching With Artificial Intelligence: Concepts and Capabilities. Human Resource Development Review, 20 (1), 106–126. https://doi.org/10.1177/1534484320982891. EDN: KKCDEV; Huang Z., Berry M.P., Chwyl C., Hsieh G., Wei J., Forman E.M. (2025). Comparing Large Language Model AI and Human-Generated Coaching Messages for Behavioral Weight Loss. Journal of Technology in Behavioral Science. Advance online publication.; Kämmer J.E., Hautz W.E., Krummrey G., Sauter T.C., Penders D., Birrenbach T., Bienefeld N. (2024). Effects of interacting with a large language model compared with a human coach on the clinical diagnostic process and outcomes among fourth-year medical students: study protocol for a prospective, randomised experiment using patient vignettes. BMJ Open, 14 (7), e087469. https://doi.org/10.1136/bmjopen-2024-087469. EDN: UHYVAJ; Kellogg K.C., Lifshitz H., Randazzo S., Mollick E., Dell’Acqua F., McFowland III E., Candelon F., Lakhani K.R. (2025). Novice risk work: How juniors coaching seniors on emerging technologies such as generative AI can lead to learning failures. Information and Organization, 35 (1), 100559.; Khandelwal K., Upadhyay A.K. (2021). The advent of artificial intelligence-based coaching. Strategic HR Review, 20 (4), 137–140. https://doi.org/10.1108/shr-03-2021-0013. EDN: NGRCCX; Luo X., Qin M.S., Fang Z., Qu Z. (2021). Artificial Intelligence Coaches for Sales Agents: Caveats and Solutions. Journal of Marketing, 85 (2), 14–32. https://doi.org/10.1177/0022242920956676. EDN: KNRTOW; Movsumova E., Alexandrov V., Rudenko L., Aizen V., Sidelnikova S., Voytko M. (2020). Consciousness: effect of coaching process and specifics through AI usage. e-mentor, 4 (86), 79–86.; Pavlović J., Krstić J., Mitrović L., Babić Đ., Milosavljević A., Nikolić M., Karaklić T., Mitrović T. Generative AI as a metacognitive agent: A comparative mixed-method study with human participants on ICF-mimicking exam performance.; Soman G., Judy M.V., Abou A.M. (2025). Human guided empathetic AI agent for mental health support leveraging reinforcement learning-enhanced retrieval-augmented generation. Cognitive Systems Research, 90, 101337.; Terblanche N.H.D. (2024). Artificial Intelligence (AI) Coaching: Redefining People Development and Organizational Performance. The Journal of Applied Behavioral Science, 60 (4), 631–638.; Terblanche N., Molyn J., de Haan E., Nilsson V.O. (2022). Comparing artificial intelligence and human coaching goal attainment efficacy. PLoS ONE, 17 (6), e0270255. https://doi.org/10.1371/journal.pone.0270255. EDN: FTNXCS; https://phsreda.com/article/127567/discussion_platform
Verfügbarkeit: https://phsreda.com/article/127567/discussion_platform
-
18
Autoren: et al.
Quelle: Computer Technologies, Automatic Control, Radioelectronics; Том 25, № 2 (2025); 5-18 ; Компьютерные технологии, управление, радиоэлектроника; Том 25, № 2 (2025); 5-18 ; 2409-6571 ; 1991-976X
Schlagwörter: question and answer systems, large language models, LLM, RAG, quality assessment RAG, HyDE, BM25, вопросно-ответные системы, большие языковые модели, оценка качества RAG
Dateibeschreibung: application/pdf
-
19
Autoren: et al.
Quelle: Scientific and Technical Libraries; № 1 (2025); 56-78 ; Научные и технические библиотеки; № 1 (2025); 56-78 ; 2686-8601 ; 1027-3689
Schlagwörter: Dimensions, subject classification of scientific texts, bibliographic search, machine learning, citation graphs, generative artificial intelligence, big language models, Scopus, Web of Science, тематическая классификация научных текстов, библиографический поиск, машинное обучение, графы цитирования, генеративный искусственный интеллект, большие языковые модели
Dateibeschreibung: application/pdf
Relation: https://ntb.gpntb.ru/jour/article/view/1447/1061; United Nations Environment Programme (UNEP) // Year Book of International Cooperation on Environment and Development / ed. Bergesen H.O., Parmann G., Thommessen O. B. : Routledge, 1998. 3 p.; Leal Filho W. et al. Towards a common future: revising the evolution of universitybased sustainability research literature // International Journal of Sustainable Development & World Ecology. Taylor & Francis. 2021. Vol. 28, № 6. P. 503–517. https://doi.org/10.1080/13504509.2021.1881651.; Коптюг В. А. Повестка дня на ХХI век. Концепция устойчивого развития и социально-политические движения // Наука из первых рук. 2011. № 2 (38). P. 36–51.; Ларионова М. В. Вызовы достижения Целей развития тысячелетия (ЦРТ) // Вестник Международных Организаций: Образование, Наука, Новая Экономика. 2020. Vol. 15, № 1. P. 155–176. https://doi.org/10.17323/1996-7845-2020-01-07.; Parotto E., Pablos-Méndez A. From MDGs to SDGs // Global Health Essentials / ed. Raviglione M. C. B. et al. Cham: Springer International Publishing, 2023. P. 463–468. https://doi.org/10.1007/978-3-031-33851-9_71.; Цели устойчивого развития: отчёт по России. URL: https://icss.ru/vokrugstatistiki/tseli-ustoychivogo-razvitiya-otchet-po-rossii (дата обращения: 20.12.2024).; Добровольный национальный обзор. URL: https://rosstat.gov.ru/folder/94692 (дата обращения: 20.12.2024).; Вандышева А. и др. 2020–2030: Десятилетие действий для ЦУР в России. Вызовы и решения / под ред. Н. Рахимовой. Москва, 2020. 142 с.; Alfirević N., Malešević Perović L., Mihaljević Kosor M. Productivity and Impact of Sustainable Development Goals (SDGs)-Related Academic Research: A Bibliometric Analysis: 9 // Sustainability. Multidisciplinary Digital Publishing Institute. 2023. Vol. 15, № 9. P. 7434. https://doi.org/10.3390/su15097434.; Sianes A. et al. Impact of the Sustainable Development Goals on the academic research agenda. A scientometric analysis // PLoS One. 2022. Vol. 17, № 3. P. e0265409. https://doi.org/10.1371/journal.pone.0265409.; Filho W.L. et al. The role of universities in accelerating the sustainable development goals in Europe // Sci Rep. Nature Publishing Group2024. Vol. 14, № 1. P. 15464. https://doi.org/10.1038/s41598-024-65820-9.; Fonseca L. M., Domingues J. P., Dima A. M. Mapping the Sustainable Development Goals Relationships: 8 // Sustainability. Multidisciplinary Digital Publishing Institute. 2020. Vol. 12, № 8. P. 3359. https://doi.org/10.3390/su12083359; Armitage C. S., Lorenz M., Mikki S. Mapping scholarly publications related to the Sustainable Development Goals: Do independent bibliometric approaches get the same results? // Quantitative Science Studies. 2020. Vol. 1, № 3. P. 1092–1108. https://doi.org/10.1162/qss_a_00071.; Jayabalasingham B. et al. Identifying research supporting the United Nations Sustainable Development Goals. Elsevier Data Repository, 2019. Vol. 1. https://doi.org/10.17632/87txkw7khs.1.; Search Queries for «Mapping Research Output to the Sustainable Development Goals (SDGs)». URL: https://aurora-network-global.github.io/sdg-queries/ (дата обращения: 21.12.2024).; Duran-Silva N. et al. A controlled vocabulary defining the semantic perimeter of Sustainable Development Goals. Zenodo, 2019. https://doi.org/10.5281/zenodo.3567769.; Kashnitsky Y. et al. Evaluating approaches to identifying research supporting the United Nations Sustainable Development Goals // Quantitative Science Studies. 2024. Vol. 5, № 2. P. 408–425. https://doi.org/10.1162/qss_a_00304; Improving the Scopus and Aurora queries to identify research that supports the United Nations Sustainable Development Goals (SDGs) 2021. URL: https://elsevier.digitalcommonsdata.com/datasets/9sxdykm8s4/4 (accessed: 17.12.2024).; SDG Research Mapping Initiative – SEO Metadata // www.elsevier.com. URL: https://www.elsevier.com/about/sustainability/sdg-research-mapping-initiative (accessed: 20.12.2024).; Садовская Л. Л. и др. Обработка текстов на естественном языке: обзор публикаций // Искусственный интеллект и принятие решений. 2021. № 3. P. 66–86. https://doi.org/10.14357/20718594210306/; Selivanova E. V. et al. Expert, Journal, and Automatic Classification of Full Texts and Annotations of Scientific Articles // Automatic Documentation and Mathematical Linguistics. 2021. Vol. 55, № 4. P. 178–189. https://doi.org/10.3103/S0005105521040075.; The South African SDG Hub. URL: https://sasdghub.up.ac.za/home/ (accessed: 21.12.2024).; Hook D. W., Porter S. J., Herzog C. Dimensions: Building Context for Search and Evaluation // Front. Res. Metr. Anal. Frontiers. 2018. Vol. 3. https://doi.org/10.3389/frma.2018.00023.; Sustainable Development Goals Classification. URL: https://www.digitalscience.com/resource/sustainable-development-goals-classification/ (accessed: 17.12.2024).; Juergen Wastl et al. Contextualizing Sustainable Development Research: Using Dimensions to explore the global landscape of research on Sustainable Development Goals. 2020. URL: https://www.digital-science.com/resource/contextualizing-sustainabledevelopment-research/ (accessed: 17.12.2024).; Yelmen I., Gunes A., Zontul M. Multi-Class Document Classification Using Lexical Ontology-Based Deep Learning // Applied Sciences. 2023. Vol. 13, № 10. P. 6139. https://doi.org/10.3390/app13106139.; Li Q. et al. A Survey on Text Classification: From Traditional to Deep Learning // ACM Trans. Intell. Syst. Technol. 2022. Vol. 13, № 2. P. 1–41. https://doi.org/10.1145/3495162; Discover and analyse research in context of the United Nations Sustainable Development Goals. URL: https://www.dimensions.ai/webinars/discover-and-analyseresearch-in-context-of-the-united-nations-sustainable-development-goals/ (accessed: 17.12.2024).; LaFleur M. T. Art is long, life is short: An SDG Classification System for DESA Publications: 159 // Working Papers. United Nations, Department of Economics and Social Affairs, 2019.; LaFleur M. T. SDGClassy: Shell. 2022. URL: https://github.com/SeaCelo/SDGclassy (accessed: 17.12.2024).; Traag V. A., Waltman L., Van Eck N. J. From Louvain to Leiden: guaranteeing wellconnected communities // Sci Rep. 2019. Vol. 9. № 1. P. 5233. https://doi.org/10.1038/s41598-019-41695-z.; Boyack K. W., Klavans R. A comparison of large-scale science models based on textual, direct citation and hybrid relatedness // Quantitative Science Studies. 2020. Vol. 1, № 4. P. 1570–1585. https://doi.org/10.1162/qss_a_00085.; A more sustainable future for all: Introducing the UN Sustainable Development Goals in InCites. URL: https://clarivate.com/academia-government/blog/a-more-sustainable-futurefor-all-introducing-the-un-sustainable-development-goals-in-incites/ (accessed: 17.12.2024).; Törnberg P. Large Language Models Outperform Expert Coders and Supervised Classifiers at Annotating Political Social Media Messages // Social Science Computer Review. SAGE Publications Inc, 2024. P. 08944393241286471. https://doi.org/10.1177/08944393241286471.; Stavropoulos A., Crone D., Grossmann I. Shadows of wisdom: Classifying meta-cognitive and morally-grounded narrative content via Large Language Models. OSF, 2023. https://doi.org/10.31234/osf.io/x2f4a.; Flores Villanueva D. Application of neural language models for research article classification into sustainable development goals: Master of Science in Engineering. Pontificia Universidad Católica de Chile, 2022. https://doi.org/10.7764/tesisUC/ING/66404.; Yin H., Aryani A., Nambiar N. Evaluating the Performance of Large Language Models for SDG Mapping (Technical Report): arXiv:2408.02201. arXiv, 2024. https://doi.org/10.48550/arXiv.2408.02201.; Raman R. et al. ChatGPT: Literate or intelligent about UN sustainable development goals? // PLOS ONE. Public Library of Science. 2024. Vol. 19, № 4. P. e0297521. https://doi.org/10.1371/journal.pone.0297521.; Kosyakov D. V. Anatomy of the Abnormal Growth in the Number of Russian Publications in Conference Proceedings in Scopus // Sci. Tech. Inf. Proc. 2023. Vol. 50, № 2. P. 96–108. https://doi.org/10.3103/S0147688223020028.; Kosyakov D., Guskov A. Disciplinary and institutional shifts: decomposing deviations in the country-level proportions of conference papers in Scopus // Scientometrics. 2024. Vol. 129. P. 1697–1717. https://doi.org/10.1007/s11192-024-04943-2.; https://ntb.gpntb.ru/jour/article/view/1447
-
20
Full Text Finder 
Nájsť tento článok vo Web of Science 