A nagy nyelvi modellek korlátai: Miért nem helyettesíthetők az emberek az LLM-ekkel?

Madlena Eszter (2025) A nagy nyelvi modellek korlátai: Miért nem helyettesíthetők az emberek az LLM-ekkel? Külkereskedelmi Kar.

	PDF Madlena_Eszter_szakdolgozat_QD5IYO.pdf Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (1MB)
	PDF biralati-szempontok-belso-biralo-alapkepzes KKK Madlena Eszter.pdf Hozzáférés joga: Bizalmas dokumentum (bírálat) Download (216kB)
	PDF bírálat.pdf Hozzáférés joga: Bizalmas dokumentum (bírálat) Download (37kB)

Absztrakt (kivonat)

A dolgozat során ismertetésre kerül a kialakulási háttere a nagy nyelvi modelleknek. A neurális hálózatoktól eljutunk az LLM-ekhez, közben pedig bemutatásra kerül a mögöttük rejlő architektúráknak a működése. Ezzel egy árnyaltabb képet kaphatunk arról, hogy az, amit varázslatnak érzékelünk, az valójában bonyolult statisztikai összefüggések sokasága. A nagy nyelvi modellek azokból a szövegekből tanulnak, amelyekkel szembesülnek, és ez teszi lehetővé számukra, hogy emberszerű nyelvi elemek kreáljanak, alkalmazkodjanak különböző írási stílusokhoz, területekhez, de nem rendelkeznek valódi megértéssel, tudatossággal vagy teljesen eredeti ötletek kialakításának a képességével. Különböző aspektusok vizsgálatával feltárásra kerül a mögöttük rejlő struktúra és némiképp igazolást nyert az az állítás, hogy valójában a határait, mi emberek szabjuk meg, és nem öntudatra ébredésről van szó, hanem jól finomhangolt matematikai modellekről. A dolgozat végén egy RNN bemutatására kerül sor, ami egy kísérleti alapként szolgál annak megértéséhez, hogy esszenciájában hogyan működnek a szöveggeneráló mechanizmusok.

Intézmény

Budapesti Gazdasági Egyetem

Kar

Külkereskedelmi Kar

Tanszék

Társadalomtudományi Módszertan Tanszék

Tudományterület/tudományág

NEM RÉSZLETEZETT

Szak

Nemzetközi gazdálkodás

Mű típusa:	diplomadolgozat (NEM RÉSZLETEZETT)
Kulcsszavak:	Large Language Model, LLM, mesterséges intelligencia, neurális hálózatok, nyelvi modellek, Python, transzformátor
SWORD Depositor:	User Archive
Felhasználói azonosító szám (ID):	User Archive
Rekord készítés dátuma:	2025. Okt. 27. 14:25
Utolsó módosítás:	2025. Okt. 27. 14:25

Actions (login required)

Tétel nézet