🙂 DH-курсы: «Цифровые технологии в культурных исследованиях»

Процесс цифровизации ведет к возникновению новых методов работы с культурологическими данными: это несколько тревожно, но вместе с тем – интересно.

Представляем вашему вниманию курс, который будет полезен лингвистам, культурологам, социологам, филологам, историкам, философам, программистам, исследователям медиа и дизайна… а еще – руководителям и специалистам учреждений науки, образования и культуры.

На курсе «Цифровые технологии в культурных исследованиях» вы

• познакомитесь с современными стандартами оцифровки, графического представления данных и видами кодирования культурных данных

• научитесь применять актуальные методы культурной аналитики и тематического моделирования

• узнаете, как разработать концепцию образовательного проекта в области популяризации социально-научного и гуманитарного знания.

🔜 Подробнее о программе курса и условиях обучения.

#курсыdh #обучение #культурология

Как можно улучшить ответы языковых моделей? Гайд по промтам

Сегодня качество ответов языковых моделей напрямую зависит от того, как сформулирован запрос. Новейшие LLM (large language model, большая языковая модель) уже неплохо справляются с неточными формулировками, но в большинстве случаев для успешной коммуникации с нейросетями всё ещё необходимы специальные методы и качественные промты. О том, как сформулировать запросы для языковых моделей, рассказываем в новом гайде.

👌🏻 Zero-shot prompting

Простые и короткие запросы к моделям приведут к выдаче простых и стандартных ответы. Например, есть запрос без примеров (zero-shot prompting): в этом случае мы рассчитываем на качество модели, на ее системные установки. Такие запросы хорошо работают для популярных запросов, для которых обучали модель (например, суммаризация текста или предварительный анализ данных).

✌🏻 One/few shot prompting

Если вы хотите получить от модели более развернутый и глубокий ответ в определенном формате/стиле, то при помощи одного или нескольких примеров (подсказок) необходимо явно показать, чего вы от нее ждете. Такой метод формулирования запросов называется one/few shot prompting. Примеры актуализирует в контексте модели более глубокие связи, которые были построены ею в процессе обучения, что в итоге помогает добиться ответа, который точнее соответствует запросу.

🙌🏻 Chain-of-Thought

Для решения сложных логических или математических задач используется техника chain-of-thought, или цепочка рассуждений (мы уже рассказывали о ней здесь). Простейший способ задействовать эту технику — прямо обозначить ее в запросе, используя выражения-маркеры вроде: «Давай думать шаг за шагом». В более сложных случаях можно задать для модели логику рассуждения, последовательность действий и этапы проверки.

Сравнить ответы языковой модели на одни и те же запросы, сформулированные с помощью разных методов, и узнать, что мотивировало ChatGPT-4o написать в обращении письма «Многоуважаемый и всечестнейший Профессор», можно, перейдя к полной версии статьи.

🤖 «Системный Блокъ» @sysblok