Tinh chỉnh mô hình ngôn ngữ lớn cho bài toán tối ưu mạch logic.
Đồ án tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo
| Loại tài liệu | Đồ án tốt nghiệp |
|---|---|
| Bậc học | Đại học |
| Ngành | Công nghệ thông tin |
| Tác giả | Phạm Văn An; Ngô Đức Hào; Dương Xuân Giang; Đào Thị Hương Nhài |
| Người hướng dẫn | Nguyễn Huy Hoàng; Hoàng Phương Chi |
| Cơ sở đào tạo | Đại học Bách khoa Hà Nội |
| Năm | 2025 |
| Nguồn | Thư viện số Đại học Bách khoa Hà Nội · trang gốc |
Tóm tắt
Ứng dụng các mô hình ngôn ngữ lớn (LLMs) trong bài toán tối ưu hóa hàm logic sử dụng bản đồ Karnaugh hướng tới tự động hóa các tác vụ thiết kế logic có tính cấu trúc chặt chẽ. Phương pháp tiếp cận khai thác khả năng suy luận của LLMs, đồng thời áp dụng tinh chỉnh tham số hiệu quả (PEFT) nhằm giảm chi phí tính toán và bộ nhớ. Ba phương pháp huấn luyện được so sánh gồm Supervised Fine-Tuning (SFT), Direct Preference Optimization (DPO) và Group Relative Policy Optimization (GRPO) trên các mô hình LLaMA và Qwen. Kết quả thực nghiệm cho thấy GRPO cho hiệu quả vượt trội so với các phương pháp còn lại, trong đó mô hình LLaMA 3.2 3B đạt độ chính xác 81,75% khi huấn luyện bằng GRPO. Kết quả khẳng định tiềm năng của LLMs trong tự động hóa thiết kế logic số và hiệu quả của các phương pháp huấn luyện dựa trên GRPO kết hợp SFT trong giải quyết bài toán tổ hợp phức tạp với chi phí tài nguyên tối ưu.
Bản toàn văn lưu tại thư viện Đại học Bách khoa Hà Nội
Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.
Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
- Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
- Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
- Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.
Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.
Đề tài cùng ngành
- Quản lý rủi ro theo các tiêu chi NFP cho các dịch vụ web NFP (Non-functional property) - Aware risk management for web services
- Ứng dụng machine learning nâng cao độ chính xác điểm hội tụ của laser trong gia công
- Ứng dụng ontology vào quản lý hồ sơ bệnh án
- Xây dựng trang web nền tảng học tập trực tuyến
- Nghiên cứu chuyển pha trong mô hình J1 sắt từ -J2 phản sắy từ Ising bằng phương pháp học máy
- Nghiên cứu, ứng dụng thuật toán tìm đường và xử lý ảnh cho robot di động trong môi trường có hành vi con người
- Ứng dụng deep learning trong việc tăng cường độ phân giải hình ảnh vệ tinh
- Nghiên cứu giải pháp sử dụng khóa USB cho việc đảm bảo bản quyền cho phần mềm ứng dụng.
Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.