Skip to main navigation menu Skip to main content Skip to site footer

Information technologies and systems

November 28, 2025; Cambridge, UK: IX International Scientific and Practical Conference «EDUCATION AND SCIENCE OF TODAY: INTERSECTORAL ISSUES AND DEVELOPMENT OF SCIENCES»


ВПЛИВ ГІПЕРПАРАМЕТРІВ І СТРАТЕГІЙ ДОНАВЧАННЯ НА ЗДАТНІСТЬ CODET5+ ДО УЗАГАЛЬНЕННЯ APEX-КОДУ ТА CPQ PRICE RULES


DOI
https://doi.org/10.36074/logos-28.11.2025.036
Published
28.11.2025

Abstract

У сучасних інтелектуальних системах на основі трансформерних моделей однією з ключових проблем залишається здатність моделі не лише адаптуватися до нових задач, але й зберігати вже набуті знання. У межах даного дослідження основна увага зосереджена на аналізі того, як трансформерна модель поводиться після донавчання на двох різних типах даних: програмних конструкціях Salesforce Apex та бізнес-правилах CPQ Price Rule.

References

  1. Amit H. Fine-Tuning vs Continued Pretraining. Medium. URL: https://medium.com/@heyamit10/fine-tuning-vs-continued-pretraining-c8058e5040cf (дата звернення: 19.09.2025).
  2. CodeT5+: Open Code Large Language Models for Code Understanding and Generation / Y. Wang et al. 2023. URL: https://arxiv.org/pdf/2305.07922 (дата звернення:19.09.2025).
  3. Ngo V. Fine-Tuning large language models: strategies, challenges, and best practices. Medium. URL: https://medium.com/ai-native-publication/fine-tuning-large-language-models-strategies-challenges-and-best-practices-5cbf6dd1b8de (дата звернення: 12.11.2025).
  4. Noble J. What is LoRA (Low-Rank Adaption)? | IBM. IBM. URL: https://www.ibm.com/think/topics/lora (дата звернення: 13.11.2025).