Πλοήγηση ανά Συγγραφέας "Batsakis, Sotirios"

Τώρα δείχνει 1 - 2 of 2
  • Μικρογραφία εικόνας
    Τεκμήριο
    Efficient SAT-Solver implementation
    (ΕΛΜΕΠΑ, Σχολή Μηχανικών (ΣΜΗΧ), Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, 2025-10-01) Tsiakalos, Sofoklis-Evangelos; Τσιάκαλος, Σοφοκλής-Ευάγγελος; Batsakis, Sotirios; Μπατσάκης, Σωτήριος
    This thesis investigates the implementation and performance evaluation of modern SAT (Boolean Satisfiability Problem) solvers, focusing on the influence of key algorithmic optimizations and heuristics. SAT solvers play a crucial role in fields such as formal verification, artificial intelligence, and combinatorial optimization. The work is centered on the classic Davis-Putnam-Logemann-Loveland (DPLL) algorithm and its modern extensions, including Conflict-Driven Clause Learning (CDCL) and Two-Watched Literals (TWL) mechanisms. The implemented solvers incorporate a range of branching heuristics, Default, DLCS, DLIS, and MOMS, as well as optimizations such as TWL, Pure TWL (TTWL), and CDCL with clause learning and backjumping. These techniques were rigorously tested using standardized 3-SAT benchmark instances from the SATLIB and SAT Competition datasets. Performance was evaluated across multiple dimensions, primarily focusing on average runtime and solver scalability as the problem size increased. The results reveal that, for random 3-SAT instances, branching heuristics significantly enhance solver performance, with MOMS and DLCS delivering the most consistent improvements, especially on large and unsatisfiable problem sets. Conversely, advanced techniques such as Two-Watched Literals and CDCL did not demonstrate a clear performance benefit within this scope of evaluation and, in certain cases, increased computational overhead. These findings suggest that the choice of heuristics and optimizations should be tailored to the nature of the SAT instances being solved. While simple heuristics yield superior results for random 3-SAT problems, more sophisticated methods may offer greater benefits on structured or industrial benchmarks. The thesis concludes with a discussion of limitations and proposes future directions, including the exploration of hybrid solving strategies, structured problem benchmarks, and parallel computing approaches to enhance solver efficiency and generalizability
  • Μικρογραφία εικόνας
    Τεκμήριο
    Χρήση μεγάλων γλωσσικών μοντέλων στην εξυπηρέτηση πελατών ενός e-shop: εκπαίδευση του μοντέλου, σύνδεση με chatbot και αξιολόγηση της αποτελεσματικότητας του
    (ΕΛΜΕΠΑ, Σχολή Μηχανικών (ΣΜΗΧ), ΠΜΣ Μηχανικών Πληροφορικής, 2025-09-29) Καλουτά, Καλλιόπη; Kalouta, Kalliopi; Μπατσάκης, Σωτήριος; Batsakis, Sotirios
    Η εξέλιξη του ηλεκτρονικού εμπορίου, ιδιαίτερα στον τομέα Business-to-Business (B2B), έχει εντείνει την ανάγκη για αποτελεσματική, εξειδικευμένη και άμεσα διαθέσιμη εξυπηρέτηση πελατών. Τα παραδοσιακά chatbots συχνά αδυνατούν να ανταποκριθούν σε σύνθετα ερωτήματα και να κατανοήσουν εξειδικευμένη ορολογία. Η παρούσα μεταπτυχιακή εργασία διερευνά την εφαρμογή Μεγάλων Γλωσσικών Μοντέλων (LLMs) σε συνδυασμό με την αρχιτεκτονική Επαυξημένης Γενιάς Ανάκτησης (RAG) για την ανάπτυξη ενός προηγμένου συστήματος chatbot, προσαρμοσμένου στις ανάγκες ενός B2B e-shop επαγγελματικού εξοπλισμού (Timber Destyle) εντός της ελληνικής αγοράς. Πρωταρχικός στόχος ήταν ο σχεδιασμός, η υλοποίηση και η αξιολόγηση ενός συνομιλητικού agent ικανού να παρέχει ακριβείς και έγκυρες απαντήσεις, αξιοποιώντας μια εξωτερική βάση γνώσης από εταιρικά δεδομένα προϊόντων. Το σύστημα αναπτύχθηκε με χρήση της low-code πλατφόρμας FlowiseAI για την ενορχήστρωση της RAG pipeline, ενσωματώνοντας το gpt-4o (latest) της OpenAI ως κεντρικό LLM, το text-embedding-3-small για τη δημιουργία vector embeddings, την Pinecone ως vector database και την Upstash Redis για τη διαχείριση μνήμης συνομιλίας. Η μεθοδολογία περιελάμβανε επαναληπτική παραμετροποίηση του συστήματος RAG (temperature του LLM, top_k του retriever, μηχανική προτροπών), αξιολόγηση πραγματικής ακρίβειας έναντι γνωστών απαντήσεων, και ολοκληρωμένη αξιολόγηση από χρήστες (μη ειδικούς και ειδικούς). Τα ευρήματα υποδεικνύουν ότι το chatbot που βασίζεται σε RAG επέδειξε σημαντικές δυνατότητες στην κατανόηση των προθέσεων των πελατών, την ανάκτηση σχετικών πληροφοριών από την εξειδικευμένη βάση γνώσης και την παραγωγή συνεκτικών απαντήσεων στα ελληνικά. Ενώ οι αξιολογήσεις των χρηστών ανέδειξαν καλή χρηστικότητα και ευγένεια, εντοπίστηκαν προκλήσεις σχετικές με τη διαχείριση εξαιρετικά εξειδικευμένων τεχνικών ερωτημάτων και τις ιδιαιτερότητες της ελληνικής γλώσσας, υπογραμμίζοντας τομείς για μελλοντική βελτίωση. Η εργασία αυτή συμβάλλει στην πρακτική κατανόηση της ανάπτυξης και εφαρμογής chatbots βασισμένων σε LLM και RAG σε εξειδικευμένα B2B e-commerce περιβάλλοντα, ιδιαίτερα για γλώσσες με λιγότερους πόρους όπως η ελληνική, και προσφέρει γνώσεις για αποτελεσματικές στρατηγικές αξιολόγησης.