09.11.2025

Александра Левинская: Тезис доклада по теме «Teaching Machines to Invent: Применение ТРИЗ (Теории решения изобретательских задач) в рассуждении и обучении LLM»

Александра Левинская

ТЕЗИС ДОКЛАДА ПО ТЕМЕ «TEACHING MACHINES TO INVENT: ПРИМЕНЕНИЕ ТРИЗ (ТЕОРИИ РЕШЕНИЯ ИЗОБРЕТАТЕЛЬСКИХ ЗАДАЧ) В РАССУЖДЕНИИ И ОБУЧЕНИИ LLM»

Александра ЛевинскаяTRIZ — это системная методология, разработанная Генрихом Альтшуллером, для повышения инновационности путём решения технических и инженерных задач, через выявление и устранение противоречий. ТРИЗ опирается на анализ сотен тысяч задач, результатом чего стали 40 изобретательских приёмов и матрица противоречий, позволяющие находить решения без компромиссов, а также концепцию идеальности — достижение наилучшего результата без негативных последствий. Методика включает перевод конкретной задачи в абстрактную форму, применение универсальных принципов и их адаптацию к конкретным условиям. Кодируя эти принципы в архитектуры LLM и парадигмы обучения, можно создать конвейер для преобразования неоднозначных запросов в хорошо структурированные задачи и генерации креативных решений.

Современное применение ТРИЗ в обучении и развитии больших языковых моделей (LLM) проявляется в ряде направлений:

  • ТРИЗ-ориентированная формулировка задач для LLM
    • Трансляция задач на естественном языке в ТРИЗ-представления (конфликтующие параметры, системные ресурсы, вредные/полезные эффекты)
  • Многоагентная ТРИЗ-архитектура
    • Специализированные роли агентов: Формулировщик проблемы, Извлекатель противоречий, Селектор принципов, Оценщик идеальности.
    • Паттерны оркестрации для систематической генерации решений.
  • ТРИЗ-информированные методологии обучения
  • Супервизия процессов через аннотированные «шаги ТРИЗ-рассуждения» для дообучения с учителем
  • Обучение с подкреплением на основе обратной связи от ИИ с моделями вознаграждения, основанными на идеальности
  • Генерация синтетических данных с использованием ТРИЗ-принципов для улучшения способностей к рассуждению

TRIZ становится фундаментом для развития креативности машин и создания структурированной среды рассуждений, где LLM могут не только воспроизводить известные паттерны, но и находить новые решения для сложных задач.

Loading

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *

Арифметическая Капча - решите задачу *Достигнут лимит времени. Пожалуйста, введите CAPTCHA снова.