Práce se zabývá velkými jazykovými modely a agentními systémy a možnostmi jejich nasazení ve výrobním prostředí. Z formálního hlediska pokrývá všechny body zadání, byť v různé míře propracovanosti, a prokazuje, že se student v dané oblasti orientuje.

Teoretická část je rozsáhlá a přehledně popisuje principy fungování jazykových modelů, architekturu transformátorů i metody dotrénování (kap. 1.2, s. 18–41). Místy však jde do zbytečné hloubky u poznatků, které nejsou dále využity, a naopak některé úvodní pojmy — zejména vymezení „umělé inteligence“ a zařazení LLM (kap. 1.1, s. 17) — jsou vysvětleny nepřesně. Působí spíše jako kompilace zdrojů než jako cílená rešerše připravující půdu pro vlastní řešení.

K naplnění hlavního tématu, tedy „agentního systému“, je třeba poznamenat následující. Definice agentního systému není v literatuře jednoznačně ustálena, na což student sám upozorňuje (kap. 1.3.1, s. 50) a v souladu s čímž korektně přiznává, že navržené řešení není plnohodnotným agentním systémem (kap. 3.1, s. 65). S ohledem na to lze navržený RAG asistent s dobrou vůlí považovat za splnění cíle, ačkoli o plnohodnotný agentní systém nejde. Klíčovou definující agentní schopností je přitom tzv. tool use, tedy volání externího nástroje či systému (typicky přes API), jímž model přechází od pouhého generování textu k akci ve svém prostředí — student jej v teoretické části sám popisuje (kap. 1.3.4, s. 55). Právě tato schopnost byla stanovena jako minimální kritérium agentnosti pro tuto práci: postačovalo, aby si model prostřednictvím REST API sáhl na jediný, byť demonstrační endpoint. Sám o sobě by jeden takový dotaz ještě plnohodnotného agenta netvořil, představoval by však nezbytný první a definující agentní prvek, který v práci zcela chybí.

Slabším místem je systémový rozbor a samotný návrh. Kapitola věnovaná systémovému přístupu (kap. 2, s. 61–64) zůstává na obecné úrovni a nedostatečně reflektuje konkrétní výrobní prostředí; některé avizované podkapitoly (2.2.1, 2.2.2) nejsou dotaženy. Návrh architektury (kap. 3.3, s. 69) tak má převážně popisný charakter a nese jen omezené stopy samostatné koncepční práce. Vlastní přínos a originalita jsou nízké.

S tím souvisí i průběh řešení. Student v úvodních fázích sám navrhoval velmi ambiciózní koncepci systému s širokou funkcionalitou, nezvolil však k její realizaci vhodný postup. Namísto doporučené iterativní strategie — začít minimální funkční verzí a tu postupně rozšiřovat — práci dlouhodobě odkládal a po většinu řešitelského období nepředložil žádný funkční prototyp. S tím koreluje i fakt, že kapitolu o systémovém přístupu dokončil teprve zhruba čtrnáct dní před odevzdáním, tedy v době, kdy už měl mít praktickou realizaci v pokročilém stavu. Výsledný rozsah praktické části byl proto zredukován na minimální kostru řešení, implementovanou až těsně před odevzdáním. Lepší rozvržení práce v čase a včasné ověřování dílčích kroků by studentovi umožnilo dosáhnout podstatně kvalitnějšího výsledku odpovídajícího jeho původnímu záměru.

Praktické části měla být věnována výrazně větší časová dotace. Postup vychází převážně ze standardních vzorových příkladů (dotrénování v Google Colab přes knihovnu Unsloth, RAG pipeline z dílčích skriptů), bez hlubšího experimentování s parametry a bez systematické evaluace nad rámec běžné loss křivky (Tab. 10 a obr. 57, s. 83). Práce tak působí dojmem spuštění základního demonstračního příkladu.

Za další nedostatek považuji, že samotná demonstrace nebyla úspěšně dotažena (kap. 3.8, s. 87). Cenné přitom je, že student otevřeně popsal, že aplikace v plné konfiguraci s RAG na dostupném lokálním hardwaru nefungovala, a tento neúspěch správně analyzoval (příliš velký kontext a nedostatečná výpočetní kapacita). Přínos fine-tuningu se tak podařilo doložit jen částečně, na úrovni požadované struktury výstupu (obr. 63). Bod zadání o technicko-ekonomickém zhodnocení není zpracován jako samostatná kapitola a zůstává v náznacích (např. Tab. 3, s. 38); na hranici jej lze považovat za nesplněný.

Po formální stránce práce trpí množstvím gramatických chyb a překlepů, mezi nimiž vyniká systematicky se opakující záměna slova „modelu“ za „modleu“. Obrázky včetně tabulek a ukázek kódu jsou pouze v rastrové podobě, část na hranici čitelnosti (např. obr. 20, s. 31), a chybí seznam zkratek. Zdrojové kódy byly dodány až dodatečně, a to v rozporu s požadavky pouze ve formě zdrojového kódu, bez vstupních dat a bez natrénovaného modelu, takže funkčnost systému není možné ověřit — i proto považuji předvedení funkčnosti při obhajobě za nezbytné.

Přes uvedené výhrady oceňuji, že se studentovi podařilo práci dovést do odevzdatelné podoby, sestavit datovou sadu pro dotrénování, provést fine-tuning a doložit jeho vliv na chování modelu. Schopnost seznámit se s celým řetězcem nástrojů a uvést jej do chodu, byť na úrovni demonstrace, hodnotím kladně.

Celkově práce naplňuje cíle zadání spíše v minimální nutné míře. S ohledem na omezený vlastní přínos, slabší samostatnost, nedotaženost praktické části a chybějící definující agentní prvek hodnotím práci stupněm E a doporučuji ji k obhajobě.

Práce se zabývá problematikou LLM modelů a jejich nasazení v průmyslové praxi. Práce obsahuje velké množství všeobecně známé teorie a v některých případech jde zbytečně do hloubky, aniž by tyto poznatky byly v práci využívány. Navíc při úvodu do problematiky je nejasně vysvětlen pojem „Umělá inteligence“ a začlenění LLM do této množiny. Praktická část v podstatě není „implementace agentního systému“ jak je v názvu práce, ale je to jen nasazení LLM modelu s dotrénováním, bez nějakého hlubšího experimentování s parametry. Celkově praktická část působí spíše dojmem spuštění základního vzorového příkladu. Dále upozorňuji, že součástí práce nejsou zdrojové kódy, takže není možné ani ohodnotit funkčnost řešení, proto důrazně doporučuji, aby prezentace funkčnosti byla součástí obhajoby. Práce obsahuje spoustu gramatických chyb a překlepů ((např. systémová záměna slova „modelu“ za „modleu“). Všechny obrázky jsou pouze v rastrové podobě, a to včetně tabulek a ukázek kódu. Některé obrázky jsou na hraně čitelnosti (např. obr 20) díky nízké kvalitě, kdy paradoxně stačí využit nějaký volně dostupný LLM model s požadavkem na zvýšení kvality obrázku. Dále chybí seznam zkratek, který je v tomto typu prací velmi důležitý.

Bod zadání „Technicko–ekonomické zhodnocení navrženého řešení.“ je zpracován spíše povrchně bez samostatné kapitoly a dal by se považovat za nesplněný, i když náznaky se dají odvodit z jiných kapitol.

Celkově je práce velmi nepřehledná, co se týká praktického nasazení a používaní navrženého řešení.

Při obhajobě doporučuji předvedení funkčnosti navrženého řešení, i přes to, že základní zdrojové kódy byly dodány k nahlédnutí, nicméně až po termínu odevzdání.  Topics for thesis defence:

1. V praktické části se zmiňujete o nasazení knihovny „Unsloth“. Nicméně v teorii se o této knihovně nezmiňujete, uveďte tedy základní principy, kterými knihovna redukuje výpočetní nároky ve vašem případě.
2. V textu konstatujete „Bez investic do drahých serverových karet je lokální provoz takto rozsáhlého systému v průmyslu zatím nereálný“. Odhadněte počet a cenu „drahých“ karet. A co například systém NVIDIA DGX Spark, byl by výkonově dostatečný pro provoz vašeho navrhovaného řešení a zároveň cenově dostupný pro výrobní podnik?
3. Jako GUI jste ve vašem případě použil Streamlit, bez rešerše již hotových řešení. V čem je Streamlit lepší než opensourceová prostředí určená pro práci s LLM? Porovnejte vaše řešení s těmi nejrozšířenějšími pro práci s LLM.