Citlivost LLM na chyby a překlepy v českém jazyce

Abstract

Tato práce se zabývá problematikou citlivosti velkých jazykových modelů (LLM) na chyby a překlepy v českém jazyce. Práce zkoumá reakce modelů na uměle vytvořené i autentické chyby v textech různé délky a složitosti. Výsledky ukazují, že i drobné překlepy mohou vést ke zhoršení kvality výstupu modelu. Přínosem práce je poskytnutí kvantitativních dat o robustnosti současných LLM vůči běžným nedokonalostem v českých vstupních dotazech.

This thesis deals with the issue of large language models (LLM) sensitivity to errors and typos in the Czech language. The work examines model responses to both artificially generated and authentic errors in texts of varying length and complexity. The results show that even minor typos can lead to a deterioration in the quality of the models output. The contribution of this work lies in providing quantitative data on the robustness of current LLMs to common imperfections in Czech input queries.