Пишнограєв, Іван ОлександровичМакаренко, Владислав Юрійович2026-09-082026-09-082026Макаренко, В. Ю. Порівняльний аналіз архітектур на основі великих мовних моделей та детермінованих алгоритмів у багатоагентних системах : дипломна робота … бакалавра : 122 Комп'ютерні науки / Макаренко Владислав Юрійович. – Київ, 2026. – 66 с.https://ela.kpi.ua/handle/123456789/82868Дипломна робота: 65 с., 11 рис., 14 табл., 20 посилань, додаток. У роботі досліджується здатність агентів на основі великих мовних моделей відтворювати емерджентну колективну поведінку класичних мультиагентних симуляцій. Основну увагу приділено кількісному порівнянню LLM-агентів та евристичних агентів у п'яти сценаріях агентно-орієнтованого моделювання. Мета дослідження – виявити умови, за яких заміна детермінованих правил на LLM-стратегію є ефективною або принципово неможливою. Об'єктом дослідження є п'ять класичних ABM-симуляцій: Sugarscape, модель розподілу багатства Больцмана, модель сегрегації Шеллінга, SIR-модель поширення вірусу та модель хижак-жертва (Вовк-Вівця). Предметом дослідження є якісні та кількісні відмінності між евристичними агентами з детермінованими правилами та LLM-агентами на основі GPT-4o-mini за метриками виживаності, розподілу ресурсів, сегрегації та епідемічної динаміки. Для кожної симуляції реалізовано евристичну стратегію як базову лінію та LLM-стратегію у двох варіантах – без ланцюгових міркувань і з ними. Проведено 21 незалежний прогін на кожну симуляцію за трьома рівнями температури та трьома генераторами псевдовипадкових чисел. Встановлено, що ефективність LLM-агентів визначається відповідністю між індивідуальною раціональністю агента та механізмом колективного ефекту. LLM повністю відтворила евристичний результат у моделі Шеллінга та наблизилась до нього у Sugarscape з ланцюговими міркуваннями. У моделях Больцмана, SIR та Вовк-Вівця виявлено системну упередженість самозбереження: LLM відмовляється від дій, що підвищують індивідуальний ризик, але є необхідними для виникнення колективних ефектів. Результати рекомендовано використовувати як практичне керівництво при виборі між евристичними та LLM-агентами для конкретного класу ABM-задач. евристичними та LLM-агентами для конкретного класу ABM-задач.66 с.ukагентно-орієнтоване моделюваннявеликі мовні моделімультиагентні симуляціїемерджентна поведінкаупередженість самозбереженняпорівняльний аналізagent-based modelinglarge language modelsmulti-agent simulationsemergent behaviorself-preservation biascomparative analysisBachelor Thesis