Эмпирический анализ устойчивости контекстуального внимания моделей Gemini 3.1 Flash и Pro

Аннотация

В статье исследуются возможности извлечения целевой информации из сверхдлинных текстовых массивов большими языковыми моделями линейки Gemini 3.1 от Google на примере оценки устойчивости их контекстуального внимания. Выбор данной нейросетевой платформы, функционирующей на базе продвинутых алгоритмов обработки мультимодальных данных, обусловлен актуальным запросом на цифровые инструменты, способные эффективно оперировать многостраничными академическими корпусами текстов. Применение этого подхода позволяет существенно оптимизировать процессы автоматизированного анализа неструктурированных знаний для исследовательских целей. В то же время использование уникальных материалов научного сборника ПГУ им. Шолом-Алейхема и пошагового пространственного позиционирования данных способствует объективной эмпирической фиксации эффекта потери в середине текста, глубокому структурированию полученных метрик и выявлению границ устойчивости внимания нейросети.