Автоматическая генерация кода получила широкое распространение, так как она может сократить рутинную работу по программированию, тем самым уменьшить время выполнения задач, и увеличить точность выполнения. Работа Максима направлена на изучение и улучшение существующих моделей машинного обучения, которые были созданы, чтобы генерировать код на основе данного описания на естественном языке. В ходе исследования, Максим предложил метод дообучения таких моделей. Следуя гипотезе, что добавление специализированных слов к входу улучшит качество генерации, он исследовал и реализовал соответствующий фреймворк. Затем он провел эксперименты, которые подтвердили гипотезу, а обученные в ходе экспериментов модели достигли лучшего результата на датасете CoNaLa, опережая все зарегистрированные на сайте paperswithcode.com модели. Стоит отметить, что в ходе исследования было изучено влияния предложенного метода только на две языковые модели. Однако поднятие и обучение различных больших моделей — трудоемкая работа, которая занимает много времени, поэтому я считаю этот недостаток несущественным. В ходе работы Максим показал способность проводить оригинальные исследования в области машинного обучения, а также способность к технической реализации придуманных идей. Результаты работы будут опубликованы на конференции International Conference on Computer Science(ICCS, A-rank) и в журнале Lecture Notes in Computer Science, что подтверждает высокий уровень её выполнения. На основании изложенного считаю, что работа «Исследование генеративных моделей в задаче поиска оптимального ответа на специализированные вопросы на примере StackOverflow» достойна оценки «отлично», а её автор заслуживает степень бакалавра