home.social

#fewshot — Public Fediverse posts

Live and recent posts from across the Fediverse tagged #fewshot, aggregated by home.social.

  1. Reasoning-модели сломали мой промпт-инжиниринг. Год переучиваюсь

    Вторник, час ночи. Закидываю в GPT-5.5 свой проверенный шаблон с развёрнутым CoT, тремя few-shot, ролью «опытный аналитик». Получаю мусор. Удаляю весь промпт, пишу из трёх строк — работает. Минут десять пялюсь в монитор. Половина моего трёхлетнего арсенала против reasoning-моделей либо лишняя, либо вредит. Что сдохло, что наоборот выросло в значимости, что писать под какую задачу. Без эмоциональной role-play и многословных «подумай шаг за шагом» — они сейчас только тормозят.

    habr.com/ru/articles/1038510/

    #промптинжиниринг #reasoningмодели #gpt55 #claude_opus #llm #chainofthought #fewshot #aiагенты

  2. Reasoning-модели сломали мой промпт-инжиниринг. Год переучиваюсь

    Вторник, час ночи. Закидываю в GPT-5.5 свой проверенный шаблон с развёрнутым CoT, тремя few-shot, ролью «опытный аналитик». Получаю мусор. Удаляю весь промпт, пишу из трёх строк — работает. Минут десять пялюсь в монитор. Половина моего трёхлетнего арсенала против reasoning-моделей либо лишняя, либо вредит. Что сдохло, что наоборот выросло в значимости, что писать под какую задачу. Без эмоциональной role-play и многословных «подумай шаг за шагом» — они сейчас только тормозят.

    habr.com/ru/articles/1038510/

    #промптинжиниринг #reasoningмодели #gpt55 #claude_opus #llm #chainofthought #fewshot #aiагенты

  3. Reasoning-модели сломали мой промпт-инжиниринг. Год переучиваюсь

    Вторник, час ночи. Закидываю в GPT-5.5 свой проверенный шаблон с развёрнутым CoT, тремя few-shot, ролью «опытный аналитик». Получаю мусор. Удаляю весь промпт, пишу из трёх строк — работает. Минут десять пялюсь в монитор. Половина моего трёхлетнего арсенала против reasoning-моделей либо лишняя, либо вредит. Что сдохло, что наоборот выросло в значимости, что писать под какую задачу. Без эмоциональной role-play и многословных «подумай шаг за шагом» — они сейчас только тормозят.

    habr.com/ru/articles/1038510/

    #промптинжиниринг #reasoningмодели #gpt55 #claude_opus #llm #chainofthought #fewshot #aiагенты

  4. Reasoning-модели сломали мой промпт-инжиниринг. Год переучиваюсь

    Вторник, час ночи. Закидываю в GPT-5.5 свой проверенный шаблон с развёрнутым CoT, тремя few-shot, ролью «опытный аналитик». Получаю мусор. Удаляю весь промпт, пишу из трёх строк — работает. Минут десять пялюсь в монитор. Половина моего трёхлетнего арсенала против reasoning-моделей либо лишняя, либо вредит. Что сдохло, что наоборот выросло в значимости, что писать под какую задачу. Без эмоциональной role-play и многословных «подумай шаг за шагом» — они сейчас только тормозят.

    habr.com/ru/articles/1038510/

    #промптинжиниринг #reasoningмодели #gpt55 #claude_opus #llm #chainofthought #fewshot #aiагенты

  5. Промпт-инжиниринг для не-промпт-инженеров

    Разобрал доклад Anthropic «Prompting 101» и собрал из него рабочую схему сборки промптов. С веб-сервисом и готовым Project для Claude.ai

    habr.com/ru/articles/1030558/

    #промптинжиниринг #Claude #Anthropic #LLM #системный_промпт #AI_для_дизайнеров #fewshot #AIинструменты #продуктовый_дизайн #автоматизация

  6. Промпт-инжиниринг для не-промпт-инженеров

    Разобрал доклад Anthropic «Prompting 101» и собрал из него рабочую схему сборки промптов. С веб-сервисом и готовым Project для Claude.ai

    habr.com/ru/articles/1030558/

    #промптинжиниринг #Claude #Anthropic #LLM #системный_промпт #AI_для_дизайнеров #fewshot #AIинструменты #продуктовый_дизайн #автоматизация

  7. Промпт-инжиниринг для не-промпт-инженеров

    Разобрал доклад Anthropic «Prompting 101» и собрал из него рабочую схему сборки промптов. С веб-сервисом и готовым Project для Claude.ai

    habr.com/ru/articles/1030558/

    #промптинжиниринг #Claude #Anthropic #LLM #системный_промпт #AI_для_дизайнеров #fewshot #AIинструменты #продуктовый_дизайн #автоматизация

  8. Промпт-инжиниринг для не-промпт-инженеров

    Разобрал доклад Anthropic «Prompting 101» и собрал из него рабочую схему сборки промптов. С веб-сервисом и готовым Project для Claude.ai

    habr.com/ru/articles/1030558/

    #промптинжиниринг #Claude #Anthropic #LLM #системный_промпт #AI_для_дизайнеров #fewshot #AIинструменты #продуктовый_дизайн #автоматизация

  9. ----------------

    🎯 AI
    ===================

    Executive summary: Advanced prompt engineering shifts from ad-hoc requests to structured instruction design that constrains model behaviour. The core thesis is operational: reduce the model's hypothesis space by defining five dimensions (context, desired output, length, format, style), use system-level instructions, and apply persona and Master Prompt patterns to achieve repeatable, high-quality outputs.

    Technical details:
    • Five dimensions: Context, Output Type, Length, Format, Style are presented as mandatory fields to include in any production prompt.
    • System Instructions priority: place critical directives at the top of the prompt and repeat the core task at the end to anchor intent.
    • Persona & Expertise Import: request the model to self-assign a top-1% expert persona before performing the task, enabling it to apply domain-specific heuristics.
    • Master Prompt pattern: encapsulate role definition, constraints, and workflow checks so that the model generates both the result and an internal QA pass.
    • Few-shot prompting: provide curated examples to steer style and structure while avoiding over-reliance when using larger models with wide context windows.

    Implementation concepts:
    • Favor models with larger context windows for document-scale prompts, since they reduce the need for external retrieval and repeated context stitching.
    • Treat the prompt as an execution environment: critical rules should be system-level, operational steps explicit, and final output format strictly described.

    Limitations and considerations:
    • The guide assumes access to advanced models; smaller models may still require heavier example-based conditioning.
    • Some prompts may require iterative refinement; the recommended workflow is an explicit iterative loop where the model inspects and improves its own outputs.

    Practical value:
    • The approach supports reproducible deliverables (reports, marketing copy, code scaffolds) and reduces hallucination vectors by narrowing allowed outputs.

    🔹 PromptEngineering #LLM #MasterPrompt #Persona #FewShot

    🔗 Source: brainai.co.il/guides/משיחה-לסי

  10. ИИ на подъёме: восхождение к пику ожиданий и первые уроки в реальном бизнесе

    Где мы все? Судя по классическому циклу зрелости, Large Language Models (LLM) уверенно маршируют к вершине «Пика завышенных ожиданий». Энтузиазм бьёт ключом: каждый день — новые анонсы и инвестиции. Как руководитель отдела инновационных проектов в «Первой Грузовой компании», я вижу этот ажиотаж и сам погружен в изучение потенциала LLM для нашей отрасли. Иллюзия всесильности ИИ сейчас сильна как никогда. Мы сейчас явно находимся на пике завышенных ожиданий.

    habr.com/ru/companies/pgk/arti

    #ииассистент #ии_и_машинное_обучение #ии #ии_чатбот #ииагенты #rag #llm #бизнеспроцесс #fewshot #oneshot_learning

  11. ИИ на подъёме: восхождение к пику ожиданий и первые уроки в реальном бизнесе

    Где мы все? Судя по классическому циклу зрелости, Large Language Models (LLM) уверенно маршируют к вершине «Пика завышенных ожиданий». Энтузиазм бьёт ключом: каждый день — новые анонсы и инвестиции. Как руководитель отдела инновационных проектов в «Первой Грузовой компании», я вижу этот ажиотаж и сам погружен в изучение потенциала LLM для нашей отрасли. Иллюзия всесильности ИИ сейчас сильна как никогда. Мы сейчас явно находимся на пике завышенных ожиданий.

    habr.com/ru/companies/pgk/arti

    #ииассистент #ии_и_машинное_обучение #ии #ии_чатбот #ииагенты #rag #llm #бизнеспроцесс #fewshot #oneshot_learning

  12. ИИ на подъёме: восхождение к пику ожиданий и первые уроки в реальном бизнесе

    Где мы все? Судя по классическому циклу зрелости, Large Language Models (LLM) уверенно маршируют к вершине «Пика завышенных ожиданий». Энтузиазм бьёт ключом: каждый день — новые анонсы и инвестиции. Как руководитель отдела инновационных проектов в «Первой Грузовой компании», я вижу этот ажиотаж и сам погружен в изучение потенциала LLM для нашей отрасли. Иллюзия всесильности ИИ сейчас сильна как никогда. Мы сейчас явно находимся на пике завышенных ожиданий.

    habr.com/ru/companies/pgk/arti

    #ииассистент #ии_и_машинное_обучение #ии #ии_чатбот #ииагенты #rag #llm #бизнеспроцесс #fewshot #oneshot_learning

  13. ИИ на подъёме: восхождение к пику ожиданий и первые уроки в реальном бизнесе

    Где мы все? Судя по классическому циклу зрелости, Large Language Models (LLM) уверенно маршируют к вершине «Пика завышенных ожиданий». Энтузиазм бьёт ключом: каждый день — новые анонсы и инвестиции. Как руководитель отдела инновационных проектов в «Первой Грузовой компании», я вижу этот ажиотаж и сам погружен в изучение потенциала LLM для нашей отрасли. Иллюзия всесильности ИИ сейчас сильна как никогда. Мы сейчас явно находимся на пике завышенных ожиданий.

    habr.com/ru/companies/pgk/arti

    #ииассистент #ии_и_машинное_обучение #ии #ии_чатбот #ииагенты #rag #llm #бизнеспроцесс #fewshot #oneshot_learning

  14. Собственный контент-фильтр на базе LLM: от эксперимента до стабильной системы

    Привет! Меня зовут Миша Мартьянов, я инженер по исследованиям и разработке в red_mad_robot. Моя работа — искать новые идеи, проверять гипотезы и улучшать продукты. На этом пути иногда приходится изобретать уникальные решения. Например, мы создали собственный фильтр, чтобы отсеивать нежелательный контент с помощью LLM. Рассказываю, как мы к этому пришли и с какими сложностями столкнулись.

    habr.com/ru/companies/redmadro

    #ai #llm #фильтр_контента #fewshotlearning #fewshot #false_positive #filter

  15. Собственный контент-фильтр на базе LLM: от эксперимента до стабильной системы

    Привет! Меня зовут Миша Мартьянов, я инженер по исследованиям и разработке в red_mad_robot. Моя работа — искать новые идеи, проверять гипотезы и улучшать продукты. На этом пути иногда приходится изобретать уникальные решения. Например, мы создали собственный фильтр, чтобы отсеивать нежелательный контент с помощью LLM. Рассказываю, как мы к этому пришли и с какими сложностями столкнулись.

    habr.com/ru/companies/redmadro

    #ai #llm #фильтр_контента #fewshotlearning #fewshot #false_positive #filter

  16. Собственный контент-фильтр на базе LLM: от эксперимента до стабильной системы

    Привет! Меня зовут Миша Мартьянов, я инженер по исследованиям и разработке в red_mad_robot. Моя работа — искать новые идеи, проверять гипотезы и улучшать продукты. На этом пути иногда приходится изобретать уникальные решения. Например, мы создали собственный фильтр, чтобы отсеивать нежелательный контент с помощью LLM. Рассказываю, как мы к этому пришли и с какими сложностями столкнулись.

    habr.com/ru/companies/redmadro

    #ai #llm #фильтр_контента #fewshotlearning #fewshot #false_positive #filter

  17. Собственный контент-фильтр на базе LLM: от эксперимента до стабильной системы

    Привет! Меня зовут Миша Мартьянов, я инженер по исследованиям и разработке в red_mad_robot. Моя работа — искать новые идеи, проверять гипотезы и улучшать продукты. На этом пути иногда приходится изобретать уникальные решения. Например, мы создали собственный фильтр, чтобы отсеивать нежелательный контент с помощью LLM. Рассказываю, как мы к этому пришли и с какими сложностями столкнулись.

    habr.com/ru/companies/redmadro

    #ai #llm #фильтр_контента #fewshotlearning #fewshot #false_positive #filter

  18. 🤖 AI performs better when prompted smarter—not harder.

    A new study shows that Few-Shot prompting boosts response speed and achieves up to 96.88% accuracy—beating more complex approaches like Tree-of-Thought.

    The trick? Give your model just enough context without overwhelming it.

    Which prompting style has worked best for you lately?
    Let’s compare notes 👇

    📖 Full post on Blue Headline:
    blueheadline.com/ai-robotics/t

    #AI #PromptEngineering #Technology #MachineLearning #FewShot #OpenSourceAI

  19. Zero-shot и Few-shot Learning в NLP

    Zero-shot Learning (ZSL) - это способность модели выполнять задачи без каких-либо примеров обучения. Она делает это за счёт обобщённых знаний, полученных во время предобучения. Few-shot Learning (FSL) - это метод, при котором модели предоставляется всего несколько примеров (обычно от 1 до 5), чтобы лучше понять структуру задачи.

    habr.com/ru/articles/897604/

    #NLP #Zeroshot #Fewshot #Finetuning #Zeroshot_и_Fewshot_Learning_в_NLP #Zeroshot_или_Fewshot

  20. Zero-shot и Few-shot Learning в NLP

    Zero-shot Learning (ZSL) - это способность модели выполнять задачи без каких-либо примеров обучения. Она делает это за счёт обобщённых знаний, полученных во время предобучения. Few-shot Learning (FSL) - это метод, при котором модели предоставляется всего несколько примеров (обычно от 1 до 5), чтобы лучше понять структуру задачи.

    habr.com/ru/articles/897604/

    #NLP #Zeroshot #Fewshot #Finetuning #Zeroshot_и_Fewshot_Learning_в_NLP #Zeroshot_или_Fewshot

  21. Zero-shot и Few-shot Learning в NLP

    Zero-shot Learning (ZSL) - это способность модели выполнять задачи без каких-либо примеров обучения. Она делает это за счёт обобщённых знаний, полученных во время предобучения. Few-shot Learning (FSL) - это метод, при котором модели предоставляется всего несколько примеров (обычно от 1 до 5), чтобы лучше понять структуру задачи.

    habr.com/ru/articles/897604/

    #NLP #Zeroshot #Fewshot #Finetuning #Zeroshot_и_Fewshot_Learning_в_NLP #Zeroshot_или_Fewshot

  22. Zero-shot и Few-shot Learning в NLP

    Zero-shot Learning (ZSL) - это способность модели выполнять задачи без каких-либо примеров обучения. Она делает это за счёт обобщённых знаний, полученных во время предобучения. Few-shot Learning (FSL) - это метод, при котором модели предоставляется всего несколько примеров (обычно от 1 до 5), чтобы лучше понять структуру задачи.

    habr.com/ru/articles/897604/

    #NLP #Zeroshot #Fewshot #Finetuning #Zeroshot_и_Fewshot_Learning_в_NLP #Zeroshot_или_Fewshot

  23. Yesterday at #TPDL2023 David Pride presented “CORE-GPT: Combining Open Access research and large language models for credible, trustworthy question answering”

    Rather than #ZeroShot question/answering, Pride’s team combines the #CORE #OpenAccess dataset with #ElasticSearch to create #FewShot prompts that leverage the strength of combining #search results with the #LLM’s (#GPT) #summarization abilities to produce an answer to a user’s question including citations.

    Ref: doi.org/10.1007/978-3-031-4384

  24. Yesterday at #TPDL2023 David Pride presented “CORE-GPT: Combining Open Access research and large language models for credible, trustworthy question answering”

    Rather than #ZeroShot question/answering, Pride’s team combines the #CORE #OpenAccess dataset with #ElasticSearch to create #FewShot prompts that leverage the strength of combining #search results with the #LLM’s (#GPT) #summarization abilities to produce an answer to a user’s question including citations.

    Ref: doi.org/10.1007/978-3-031-4384

  25. Yesterday at David Pride presented “CORE-GPT: Combining Open Access research and large language models for credible, trustworthy question answering”

    Rather than question/answering, Pride’s team combines the dataset with to create prompts that leverage the strength of combining results with the ’s () abilities to produce an answer to a user’s question including citations.

    Ref: doi.org/10.1007/978-3-031-4384

  26. Yesterday at #TPDL2023 David Pride presented “CORE-GPT: Combining Open Access research and large language models for credible, trustworthy question answering”

    Rather than #ZeroShot question/answering, Pride’s team combines the #CORE #OpenAccess dataset with #ElasticSearch to create #FewShot prompts that leverage the strength of combining #search results with the #LLM’s (#GPT) #summarization abilities to produce an answer to a user’s question including citations.

    Ref: doi.org/10.1007/978-3-031-4384

  27. Yesterday at #TPDL2023 David Pride presented “CORE-GPT: Combining Open Access research and large language models for credible, trustworthy question answering”

    Rather than #ZeroShot question/answering, Pride’s team combines the #CORE #OpenAccess dataset with #ElasticSearch to create #FewShot prompts that leverage the strength of combining #search results with the #LLM’s (#GPT) #summarization abilities to produce an answer to a user’s question including citations.

    Ref: doi.org/10.1007/978-3-031-4384

  28. Dramatically, we have a late-entry update for the #DCASE2023 #fewshot challenge, taking the state of the art forward by quite a few percentage points! Updated results: dcase.community/challenge2023/ #bioacoustics #machinelistening

  29. Dramatically, we have a late-entry update for the #DCASE2023 #fewshot challenge, taking the state of the art forward by quite a few percentage points! Updated results: dcase.community/challenge2023/ #bioacoustics #machinelistening

  30. Dramatically, we have a late-entry update for the #DCASE2023 #fewshot challenge, taking the state of the art forward by quite a few percentage points! Updated results: dcase.community/challenge2023/ #bioacoustics #machinelistening

  31. Dramatically, we have a late-entry update for the #DCASE2023 #fewshot challenge, taking the state of the art forward by quite a few percentage points! Updated results: dcase.community/challenge2023/ #bioacoustics #machinelistening

  32. Dramatically, we have a late-entry update for the #DCASE2023 #fewshot challenge, taking the state of the art forward by quite a few percentage points! Updated results: dcase.community/challenge2023/ #bioacoustics #machinelistening