Use Case 5: LLM-driven creation of natural hazard geodatabase from digital mass media

Публикации

?

Use Case 5: LLM-driven creation of natural hazard geodatabase from digital mass media

P. 167–169.

Деркачева А. А., Сакиркина М. А., Краев Г. Н., Анискина Т. А.

Язык: английский

В книге

AI for good innovate for impact report 2025

Geneva: International Telecommunication Union, 2025.

Early Warning Signals for Landslides in Context of Self-organized Criticality

Дмитриев А. В., Корнилов В. В., Batienkov R., , in: Proceedings of the 3rd International Conference on Sustainability: Developments and Innovations. Proceedings of ICSDI 2026, Volume 4. Lecture Notes in Civil Engineering (LNCE, volume 886)Vol. 886: Proceedings of the 3rd International Conference on Sustainability: Developments and Innovations.: Springer, 2026. Ch. 886 P. 249–255.

Добавлено: 13 октября 2026 г.

AI and the Transformation of Scientific Knowledge: Hybrid Expertise and the Limits of Collins's Theory

Asya A. Filatova, Epistemology and Philosophy of Science 2026 Vol. 63 No. 3 P. 56–66

Добавлено: 10 октября 2026 г.

Choosing Between AI Responses: How Valence, Arousal, and Dominance Shape User Preference

Паршаков П. А., Паклина С. Н., International Journal of Human-Computer Interaction 2026 P. 1–17

Добавлено: 23 сентября 2026 г.

LLM-assisted writing and citation advantage: evidence from scientific publications before and after ChatGPT release

Паклина С. Н., Паршаков П. А., Elena Rapoport, Scientometrics 2026 No. 131 P. 7611–7636

Добавлено: 23 сентября 2026 г.

Может ли ИИ производить значение? Семантический капитал, «стохастический попугай» и пределы антропоцентризма

Филатова А. А., Эпистемология и философия науки 2026 Т. 63 № 2 С. 154–171

Развитие и активное внедрение искусственного интеллекта (да лее – ИИ), особенно в виде больших языковых моделей, вызвало новую волну дискуссий о семантических компетенциях техни ческих устройств и критериях оценки результатов их функцио нирования, в частности, сгенерированных текстов. В статье пред лагается рассмотреть ряд наиболее трудных вопросов и их представленность в современной философии языка. В первую ...

Добавлено: 10 сентября 2026 г.

Pre-trained LLMs Meet Sequential Recommenders: Efficient User-Centric Knowledge Distillation

Severin N., Kartushov D., Urzhumov V. и др., , in: Advances in Information Retrieval: 48th European Conference on Information Retrieval, ECIR 2026, Delft, The Netherlands, March 29 – April 2, 2026, Proceedings, Part II. (LNCS, volume 16484).: Cham: Springer Publishing Company, 2026. P. 508–517.

Добавлено: 18 июня 2026 г.

B3Emo: Quantifying Affect as a Double-Edged Sword in Strategic LLM Interactions

Stepin A., Mozikov M., Kabanov A. и др., IEEE Access 2026 Vol. 14 P. 48127–48144

Добавлено: 16 июня 2026 г.

ESQA: Event Sequences Question Answering

Abdullaeva I., Karpukhin I., Filatov A. и др., IEEE Access 2026 Vol. 14 P. 59390–59408

Добавлено: 16 июня 2026 г.

Large Language Model-Based Automated Item Generation in STEM Assessments: Historical Mapping and a Scoping Review of Empirical Studies

Омопекунола М. О., JOURNAL OF EDUCATIONAL TECHNOLOGY DEVELOPMENT AND EXCHANGE 2026 Vol. 19 No. 2 P. 141–165

Добавлено: 9 июня 2026 г.

Natural hazard database from Internet publications: text mining with a large language model

Деркачева А. А., Сакиркина М. А., Краев Г. Н. и др., /. 2026.

Добавлено: 28 апреля 2026 г.

Об идеологических предвзятостях генеративного ИИ: Российско-украинский конфликт в репрезентации ChatGPT

Байша О. А., Трофимов В. В., Российская школа связей с общественностью 2026 № 40 С. 171–191

Все большее количество ученых предупреждает об опасности воспроизведения генеративным ИИ социально-политических и идеологических предрассудков, впитанных моделями из текстов, на которых они обучались. Если, например, та или иная модель тренировалась на материалах западных СМИ, она может генерировать нарративы, воспроизводящие западноцентричный взгляд на мировые события. Это проявляется в репродукции определений глобальных проблем, нормализированных в западных гегемонистских дискурсах. ...

Добавлено: 21 апреля 2026 г.

Сопоставление номенклатур товаров ресторанов и поставщиков с помощью LLM — Case Study для ресторанного холдинга

Джин С., Панфилов П. Б., Сулейкин А. С., Труды Института системного программирования РАН 2025 Т. 37 № 6 С. 163–176

В современном ресторанном бизнесе точное сопоставление номенклатуры продуктов между ресторанами и поставщиками является критически важной задачей. Эффективное управление запасами и оптимизация закупок напрямую влияют на прибыльность бизнеса. С ростом числа поставщиков и ассортимента продукции традиционные методы сопоставления становятся менее эффективными. В данном исследовании предлагается использовать большие языковые модели (LLM) для автоматизации и повышения точности сопоставления ...

Добавлено: 17 апреля 2026 г.

Learning When to Personalize: LLM Based Playlist Generation via Query Taxonomy and Classification

Бузаев Ф. А., Пугачёва Д. В., Sukharev I. и др., Transactions of the Association for Computational Linguistics 2026 P. 51–57

Добавлено: 7 апреля 2026 г.

Large Language Models as Political Actors: Cultural Bias and Epistemic Power

Seredkina E., Seletkova G., Михайловский А. В., Technology and Language 2026 Vol. 7 No. 1 P. 63–79

Быстрое распространение больших языковых моделей (Large Language Models, LLM) в социально и политически чувствительных сферах ставит вопрос о природе и источниках политической предвзятости в системах искусственного интеллекта. В большинстве исследований предвзятость рассматривается преимущественно как технический дефект, подлежащий устранению. Здесь предлагается более широкая философская и культурная интерпретация феномена, согласно которой предвзятость LLM является результатом встроенных эпистемических ...

Добавлено: 1 апреля 2026 г.

Can Large Language Models Develop High-Stakes Physics Exam Items? A Comprehensive Study of Cognitive and Psychometric Efficacy

Moses Oluoke Omopekunola, Elena Yu. Kardanova, Journal of Science Education and Technology 2026 Vol. 35 P. 933–943

Добавлено: 16 января 2026 г.

Многоаспектная оценка методов адаптации токенизатора для больших языковых моделей на русском языке

Андрющенко Г. Д., Годунова М. Э., Иванов В. В. и др., Доклады Российской академии наук. Математика, информатика, процессы управления (ранее - Доклады Академии Наук. Математика) 2025 Т. 527 С. 320–331

Большие языковые модели (Large language model, LLM), предобученные на корпусах, состоящих из большинства текстов на английском языке, показывают более низкое качество и работают неоптимально на других естественных языках. Адаптация словаря LLM обеспечивает ресурсоэффективный способ повышения качества предобученной модели. Ранее предложенные методы адаптации фокусировались на метриках качества (точности) и размера (фертильности), игнорируя другие аспекты, такие как ...

Добавлено: 15 января 2026 г.