Универсальные подсказки по промптам (дополнительные хитрости). Часть 3
Итак, в прошлых частях статьи мы познакомились с тем, как налету составлять промпты. Во второй части затронули тему продвинутых промптов, но не требующих глубокой проработки. В этой части мы самую малость затронем более душные варианты работы с промптами — они требует несколько шагов работы и внимательно и вдумчиво читать ответ. Но когда ничего не работает, эти советы надеюсь точно помогут.Настройки температуры. Такс, спокойно! Я обещал в статье ничего сложного не будет и обещание свое хочу сдержать:
Универсальные подсказки по промптам (продвинутые советы) (Ч.2)
Если советы из первой части статьи были ориентированы, на написание промптов «на лету» то все следующие требуют определенной подготовки и (или) нескольких дополнительных действий. Но они же заметно прокачают качество ответов. Роли – наше все. Про назначение ролей нейронкам не упоминал только ленивый. Хоть я и ленивый, но тоже скажу о кое-что о них.
Яндекс.Полуразврат или при чём тут Crypt?
Новый Шедеврум, но со старыми болячками
Универсальные подсказки по промптам (введение и простые советы) (Ч.1)
Привет всем. В интернетах расплодились уже сотни и даже тысячи статей по промпт инжинирингу. Почему бы не написать 1001? Собственно, никто не просил, но вот и она.Важное уточнение:Статья пишется по большей части для самого себя, чтобы использовать ее как шпаргалку и систематизировать десятки просмотренных видео и сотни (без тени иронии) прочитанных статей. Мой круг интереса, как и технических знаний, невысокий поэтому:это проекция исключительно моего личного опыта и не претендует на звание истины и божьего откровения;
Почему ваш мозг (и ИИ) должен сначала «пережить» событие, чтобы потом его осмыслить
Разбираемся, почему современные LLM, несмотря на всю свою мощь, остаются «философскими зомби», и какая архитектурная деталь могла бы это изменить.ВведениеС одной стороны, модель генерирует код, пишет осмысленные тексты и проходит сложнейшие тесты. С другой — в любой нестандартной ситуации или при глубоком вопросе о ее собственном «понимании» вся магия рассыпается. Мы видим умную, но пустую оболочку. «Статистического попугая», как его метко назвали.Интуиция подсказывает, что простое масштабирование — больше данных, больше параметров — не решит эту проблему. Мы упираемся в невидимую стену.
Как выбрать AI-курс для менеджера: подробный разнос
Обзор без маркетинга, с фокусом на то, что реально нужно менеджеру: практика, широта тем, прикладные знания, релевантность, отсутствие воды и инфоцыганщины.Как-то раз уже делался обзор по всем существующим на рынке курсам по управлению проектами https://vc.ru/hr/218092-top-90-kursov-po-upravleniyu-proektami, пришло время почихвостить рынок с новой, актуальной темой.
Почему сознание нельзя запрограммировать (критика механистических теорий сознания)
Когда я общаюсь с разработчиками, работающими с современными LLM, часто слышу: "С GPT-4 происходит что-то странное. Это не просто автокомплит. Но и не человек. Что это?"У многих есть интуитивное ощущение, что мы стоим на пороге чего-то большего, чем "статистические попугаи". Но в то же время что-то подсказывает: просто добавить еще параметров недостаточно.
Как проверять ИИ гипотезы быстро и дешево – гайд в CRISP-DM Light фреймворк
Делали ли вы работу в стол? Вопрос риторический…Но больше, чем остальным это грустное чувство “проекта в стол” знакомо тем, кто занимается разработкой и внедрением ИИ решений: по статистике за 2024 год из них доходят до продакшена только от 15 до 30%И большинство неудач здесь не из-за плохих моделей или технической сложности, а из-за несогласованных бизнес-потребностей. Наши партнеры из Яндекса на CTO Conf-2025 презентовали новый фреймворк – CRISP-DM Light – он призван исправить эту ситуацию.
LLM работают лучше если им угрожать? Вообще не факт
Окей, недавно Сергей Брин (кофаундер Google) брякнул, мол, «Все LLM модели работают лучше, если им угрожать». Только ленивый не перепечатал это в СМИ и соцсетях. Вот видос с таймкодом:
