Сравнительный анализ генерации заголовков к научным работам на русском и английском языках с использованием больших языковых моделей

В работе представлен сравнительный анализ эффективности и особенностей использования больших языковых моделей (ChatGPT, Gemini, Mistral, Llama) для автоматизированной генерации заголовков к научным публикациям на русском и английском языках. В рамках исследования изучаются специфика функционирования моделей как в лингвистическом, так и в межъязыковом аспектах, а также их способность учитывать требования различных академических традиций. Эмпирическую базу составляет корпус из 100 статей гуманитарного и технического профиля, опубликованных в 2018–2023 годах, что позволяет анализировать работу моделей на материалах, отражающих широкий спектр тематик и жанровых особенностей. Особое внимание уделяется выявлению различий между моделями как в стилистических и структурных предпочтениях, так и в особенностях межъязыковой адаптации. Экспериментальная процедура включала тестирование моделей в режиме zero-shot промптинга с использованием унифицированных промптов, сформулированных на основе краткого содержания оригинальных работ. Оценка сгенерированных заголовков проводилась по критериям степени детализации, терминологической точности и соответствия жанровым нормам академического дискурса. Полученные результаты показывают, что рассмотренные модели в целом способны генерировать заголовки, отвечающие базовым жанровым требованиям, однако демонстрируют выраженные различия в уровне информативности, степени детализации и стилистических особенностях, придерживаясь различных стратегий генерации. В работе впервые проводится межъязыковое сопоставление возможностей различных больших языковых моделей в контексте академического дискурса и предлагается обращение к новому типу материала для лингвистических исследований — тексту, созданному искусственным интеллектом, а не порождённым непосредственно человеком. Несмотря на то, что большие языковые модели демонстрируют значительный потенциал в качестве инструмента для генерации предварительных вариантов заголовков научных публикаций, отмеченные различия в степени информативности и стилистике требуют критического подхода: сгенерированные тексты следует рассматривать как основу, требующую редакторской доработки для полного соответствия академическим нормам.

академический дискурс, большие языковые модели, генерация текста, заголовок научной статьи, малоформатные тексты, искусственный интеллект, обработка естественного языка, автоматическая генерация текста, zero-shot промптинг, написание научного исследования