Метод синтезу навчальної вибірки для трансформер моделей на базі навчання з підкріпленням

Abstract

У роботі представлено застосунок для побудови навчальної вибірки на текстових даних, що генеруються із залученням мовних моделей. Основна увага приділена алгоритму PPO, який навчає агент обирати найінформативніші приклади відповідно до reward-функції, що поєднує новизну, тематичну відповідність і структурну адекватність текстів. У результаті реалізовано систему, здатну формувати вибірку з високими показниками варіативності та релевантності. Проведено експериментальний аналіз, побудовано метрики й графіки, які підтверджують ефективність підходу в контексті генерації тренувальних даних для трансформерних моделей.