Բոլորը սովորում են ավելի լավ պրոմպտներ գրել: Դա սխալ հմտություն է:
Dev.to-ում հրապարակված հոդվածում հեղինակը պնդում է, որ պրոմպտ-ինժինիրինգի նկատմամբ ներկայիս տարվածությունը սխալ ուղղություն է: Մինչ շատ ծրագրավորողներ ժամեր են ծախսում պրոմպտները կատարելագործելու վրա, հեղինակը նշում է, որ դա ցածր արժեք ունեցող հմտություն է, որն արագորեն արժեզրկվում է մոդելների կատարելագործմանը զուգընթաց: Իրական մարտահրավերը ոչ թե AI-ին հարց տալն է, այլ դրա արդյունքները գնահատելը: Քանի որ AI մոդելները կարող են ստեղծել շատ համոզիչ, բայց սխալ կոդ, ժամանակակից ինժեներների համար ամենակարևոր հմտությունը «անվստահությունն» է՝ AI-ի ստեղծած արդյունքները խստորեն ստուգելու և մարտահրավեր նետելու կարողությունը: Հեղինակն առաջարկում է պրոմպտների օպտիմալացման փոխարեն կառուցել համակարգեր, որոնք առանձնացնում են «հեղինակին» (AI) «կասկածողից» (ստուգման գործընթաց), ապահովելով, որ մարդկային վերահսկողությունը մնա արտադրական կոդի վերջնական և անհրաժեշտ զտիչը:
This is a summary. Read the full article at the original source:
Dev.toԿապակցված
LLM-ը վստահորեն նշում է շախմատային քայլեր, որոնք տախտակի վրա չկան. ինչպես եմ ես ստուգում յուրաքանչյուր պատասխան կոդի միջոցով
Հոդվածի հեղինակը վերլուծում է մեծ լեզվական մոդելների (LLM) հալյուցինացիաների խնդիրը շախմատ խաղալիս: Չնայած տեքստ գեներացնելու ունակությանը, մոդելները…
Ես AI գործակալին տվեցի $0 և երեք փորձ՝ գումար վաստակելու համար. Ահա թե ինչ տեղի ունեցավ իրականում
Ծրագրավորողը վերջերս փորձարկել է ինքնավար AI-ի սահմանները՝ հանձնարարելով գործակալին եկամուտ ստեղծել $0.00-ից՝ սահմանափակվելով երեք փորձով և խիստ իրավա…
AI փաստաթղթավորման ուղեցույց. Model Cards, Eval Reports, Agent Cards և այլն
Քանի որ AI համակարգերը դետերմինիստական կոդից անցնում են հավանականային մոդելների և ինքնավար գործակալների, ավանդական փաստաթղթերը, ինչպիսիք են README-ներ…