Детальная информация

Данная выпускная квалификационная работа посвящена разработке системы для автоматизации генерации вопросов, проверки ответов и управления контентом с использованием технологий искусственного интеллекта и подхода Retrieval-Augmented Generation (RAG). Целью работы является создание инструмента для упрощения тестирования знаний сотрудников в образовательной и корпоративной среде. Методология разработки включает анализ требований, проектирование масштабируемой архитектуры с использованием FastAPI, PostgreSQL и Apache Kafka, дообучение языковой модели ruT5-small на датасете SberQuad, а также интеграцию с RAG для генерации контекстно-релевантных вопросов. Использованы библиотеки txtai, SentenceTransformers и Transformers для обработки текста, сравнения ответов и генерации вопросов. Разработанная система предоставляет REST API для генерации вопросов, проверки ответов с использованием косинусного сходства и управления контентом. Тестирование в реальных условиях подтвердило высокую точность генерации вопросов и производительность системы при обработке больших объемов данных, однако выявило необходимость оптимизации времени генерации и разработки веб-интерфейса. Результаты работы могут быть применены в образовательных учреждениях, онлайн-курсах и корпоративных системах обучения для автоматизации создания тестов и оценки знаний.

This final qualification work is dedicated to the development of a system for automating question generation, answer verification, and content management using artificial intelligence technologies and the Retrieval-Augmented Generation (RAG) approach. The aim is to create a tool to simplify employee knowledge testing in educational and corporate environments. The methodology includes requirements analysis, designing a scalable architecture using FastAPI, PostgreSQL, and Apache Kafka, fine-tuning the ruT5-small language model on the SberQuad dataset, and integrating RAG for generating contextually relevant questions. Libraries such as txtai, SentenceTransformers, and Transformers were used for text processing, answer comparison, and question generation. The developed system provides a REST API for question generation, answer verification using cosine similarity, and content management. Real-world testing confirmed high accuracy in question generation and system performance under high data loads, though it highlighted the need for faster generation and a web interface. The results can be applied in educational institutions, online courses, and corporate training systems for automated test creation and knowledge assessment.