<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Застосування веб-пошуку та протоколу модельного контексту в архітектурах великих мовних моделей

Ескіз

Файли

30219.pdf (409,7 KB)

Дата

2026

Автори

Назва журналу

Номер ISSN

Назва тому

Видавець

Вінницький національний технічний університет

DOI

Анотація

The methods of dynamic contextualization of large language models through the integration of web search tools are analyzed. The architectural specificity of the Model Context Protocol (MCP) and Gemini Grounding services for increasing the factual accuracy of generation is considered. Approaches to token usage optimization and source verification are defined. An extended classification of query formation strategies and source ranking methods is proposed.

Опис

Ключові слова

RAG , Model Context Protocol , Gemini Grounding , Query Decomposition , large language models , RAG , web search , Model Context Protocol , Gemini Grounding , QueryDecomposition , source verification

УДК

004.85:004.77

Тип документа

Thesis

Мова

uk_UA

Є частиною

Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р.

ISSN

Бібліографічний опис

Лосенко А., Пазьміно-Боскес С. П. Застосування веб-пошуку та протоколу модельного контексту в архітектурах великих мовних моделей // Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/30219.

URI

https://ir.lib.vntu.edu.ua/handle/123456789/52938

Зібрання

Молодь в науці: дослідження, проблеми, перспективи (МН-2026)

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (7)

  1. Lewis P. et al. Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. Advances in Neural Information Processing Systems. – 2020. – Vol. 33. – P. 9459–9474.
  2. Huang L. et al. A Survey on Hallucination in Large Language Models: Principles, Taxonomy, Challenges, and Open Questions. ACM Transactions on Information Systems. – 2025. – Vol. 43, No. 2. – Article 42. DOI: 10.1145/3703155.
  3. Anthropic. Model Context Protocol Specification [Електронний ресурс]. – Режим доступу: https://modelcontextprotocol.io/
  4. Gao Y. et al. Retrieval-Augmented Generation for Large Language Models: A Survey. arXiv:2312.10997. – 2024 (v5). – [Електронний ресурс]. – Режим доступу: https://arxiv.org/abs/2312.10997
  5. Li Y. et al. Mitigating Hallucination in Large Language Models: An Application-Oriented Survey on RAG, Reasoning, and Agentic Systems. – arXiv:2510.24476, 2025. – [Електронний ресурс]. – Режим доступу: https://arxiv.org/abs/2510.24476
  6. Google Cloud. Grounding with Google Search in Gemini [Електронний ресурс]. – Режим доступу: https://ai.google.dev/gemini-api/docs/google-search
  7. Trivedi H. et al. Interleaving Retrieval with Chain-of-Thought Reasoning for Knowledge-Intensive Multi-Step Questions. Proceedings of the 61st Annual Meeting of the ACL. – Toronto, 2023. – P. 10014–10037.