14−15 мая 2026 года в Институте научной информации по общественным наукам РАН (ИНИОН РАН) состоялась III Научно-практическая конференция «Искусственный интеллект в библиотечно-информационной деятельности: теоретические подходы и практическая реализация».
Конференция объединила более 700 участников из 5 зарубежных стран и более 50 городов Российской Федерации — от Калининграда до Петропавловска-Камчатского, включая Донецкую и Луганскую Народные Республики. В ходе двух дней работы были заслушаны десятки докладов, охвативших широкий спектр тем — от стратегических вызовов для библиотек в эпоху ИИ и проблем верификации библиографических ссылок до практических кейсов внедрения локальных ИИ-моделей, автоматизации, семантического поиска и новых форматов популяризации чтения.
От ВИНИТИ РАН в конференции приняли участие заведующий отделом научной информации по физико-математическим наукам, к.ф.-м.н. Александр Сергеевич Селюков с докладом «Академический спам в эпоху генеративного ИИ: как энтропия Шеннона помогает распознать искусственный текст» и ведущий специалист лаборатории компьютерной лингвистики Вадим Николаевич Гокарев с докладом «Метод трёхфакторной диагностики для оценки качества машинных рефератов научных публикаций».
В докладе Александра Сергеевича Селюкова был рассмотрен метод детектирования сгенерированных русскоязычных текстов с помощью анализа информационной энтропии при сравнении авторских аннотаций и текстов, созданных моделью Sber GigaChat на основе полных текстов исходных статей. Продемонстрировано статистически значимое различие между двумя выборками, вызванное отсутствием у ИИ типичного дублирования узкоспециализированной терминологии. Метод может быть эффективен для первичного скрининга рукописей для защиты баз данных от академического мусора.
Вадим Николаевич Гокарев в рамках своего доклада изложил результаты исследования, посвященного автоматизации реферирования научно-технических текстов и оценке качества автоматической суммаризации. Представлена разработанная методология и алгоритм автоматического определения показателей качества сгенерированного машинного реферата — трехфакторная диагностическая оценка, основанная на совместном анализе лексического, семантического и компрессионного отклонений машинного реферата от статистической нормы.
Конференция объединила более 700 участников из 5 зарубежных стран и более 50 городов Российской Федерации — от Калининграда до Петропавловска-Камчатского, включая Донецкую и Луганскую Народные Республики. В ходе двух дней работы были заслушаны десятки докладов, охвативших широкий спектр тем — от стратегических вызовов для библиотек в эпоху ИИ и проблем верификации библиографических ссылок до практических кейсов внедрения локальных ИИ-моделей, автоматизации, семантического поиска и новых форматов популяризации чтения.
От ВИНИТИ РАН в конференции приняли участие заведующий отделом научной информации по физико-математическим наукам, к.ф.-м.н. Александр Сергеевич Селюков с докладом «Академический спам в эпоху генеративного ИИ: как энтропия Шеннона помогает распознать искусственный текст» и ведущий специалист лаборатории компьютерной лингвистики Вадим Николаевич Гокарев с докладом «Метод трёхфакторной диагностики для оценки качества машинных рефератов научных публикаций».
В докладе Александра Сергеевича Селюкова был рассмотрен метод детектирования сгенерированных русскоязычных текстов с помощью анализа информационной энтропии при сравнении авторских аннотаций и текстов, созданных моделью Sber GigaChat на основе полных текстов исходных статей. Продемонстрировано статистически значимое различие между двумя выборками, вызванное отсутствием у ИИ типичного дублирования узкоспециализированной терминологии. Метод может быть эффективен для первичного скрининга рукописей для защиты баз данных от академического мусора.
Вадим Николаевич Гокарев в рамках своего доклада изложил результаты исследования, посвященного автоматизации реферирования научно-технических текстов и оценке качества автоматической суммаризации. Представлена разработанная методология и алгоритм автоматического определения показателей качества сгенерированного машинного реферата — трехфакторная диагностическая оценка, основанная на совместном анализе лексического, семантического и компрессионного отклонений машинного реферата от статистической нормы.