Самоэволюционирующий LLM-агент: от строительных моделей к любому домену
Программный комитет ещё не принял решения по этому докладу
Целевая аудитория
Тезисы
Чтобы узнать периметр входного зала в BIM-модели, проектировщик открывает специализированный инструмент и вручную парсит IFC-дамп. Или учит Cypher. Или ждёт ответа от BIM-отдела. А что, если просто спросить на естественном языке, и получить ответ?
В докладе будет представлен LLM-агент с открытой архитектурой, применённый к задачам строительной отрасли. Архитектура состоит из модульных навыков с MCP-интеграцией, памятью контекста проекта, и главной особенностью: агент имеет возможность переписывать собственный код через git с мульти-модельным ревью каждого изменения.
Доклад не про строительство. IFC -- это просто особенно сложный пример формата обмена. Замените его на финансовые отчёты, медицинские карты, логистические цепочки — и паттерн остаётся тем же: парсинг доменного формата → граф → естественно-языковой интерфейс → итеративный диалог с памятью. Инженерные решения, которые я разберу, переносятся между доменами без изменения архитектуры.
Кандидат физ.-мат. наук. Долгое время работал в Институте Космических Исследований в роли ведущего математика. Имеет ряд научных публикаций по анализу временных рядов и спутниковых данных.
Несколько лет работал в CleverDATA/LANIT, занимался разработкой и настройкой рекомендательных систем, построением предсказательных моделей оттока, LTV, anti-fraud, моделей Lookalike, а также временными рядами (Predictive Maintenance). В Яндекса занимался ML-разработкой в SportTech. В настощее время является исполнительным директором по исследованию данных в Сбере по направлению перспективных методов автоматизации и проектирования.
Видео
Другие доклады секции
GenAI и большие языковые модели (LLM)
