Lielo valodas modeļu pielietojuma iespējas Interneta pārlūkošanas un vaicājumu izpildes automatizācijā

Abstract

Bakalaura darbā tiek pētīta lielo valodas modeļu (LLM) tīmekļa automatizācija. Tradicionālās automatizācijas pieprasa programmēšanas zināšanas un ierobežo to lietošanu tehniskiem lietotājiem. Esošie LLM risinājumi izmanto kompleksas arhitektūras, lai kompensētu tradicionālo valodas modeļu spriestspējas ierobežojumus. Praktiskajā daļā tika izveidota sistēma, kas izmanto OpenAI o3-mini modeli. Sistēma tika testēta manuāli uz 26 vaicājumiem un automātiski uz 102 vaicājumiem, sasniedzot 35% un 25% precizitāti respektīvi, vienlaikus vienkāršojot arhitektūru. Spriestspējas modeļa integrācija samazina darbības izmaksas par 71%, taču palielina izpildes laiku par 75%. Rezultāti pierāda, ka spriestspējas modeļi sniedz ekonomiski un arhitekturāli izdevīgas iespējas tīmekļa automatizācijai, tomēr esošās spējas ir ierobežotas pilnīgai automatizācijai.

This bachelor thesis investigates large language model (LLM) powered web automation. Traditional automation requires expertise and limits usage to only technical users. Current LLM systems use complex architectures to compensate for traditional non-reasoning model limitations. The practical part of the study contains the creation of a system using OpenAI o3- mini model. The system was tested on 26 web tasks manually and on 102 web tasks automatically, achieving 35% and 25% success rates respectively while considerably simplifying architecture. The reasoning model reduced per-step costs by 71% but increased execution time by 75%. Results show that reasoning models offer cost efficiency and architectural benefits for web automation, though current capabilities remain limited for comprehensive task completion.