Принцип GIGO применим к работе с языковыми моделями

Принцип GIGO применим к работе с языковыми моделями

Принцип «мусор на входе — мусор на выходе» полностью справедлив для LLM. Если промпт содержит низкокачественную информацию, противоречия или неясные инструкции, модель выдаст соответствующий некачественный результат. Качество выходных данных IT-системы, включая LLM, предопределяется качеством входных данных.

Связи

• Вопрос содержит в себе ответ при работе с LLM — Раскрывает механизм GIGO: структура запроса напрямую предопределяет содержание и логику ответа
• Детерминированные vs вероятностные системы — Объясняет специфику GIGO в вероятностных средах, где качество данных критичнее из-за изменчивости
• Типичные ошибки при создании промптов для LLM — Дает практическую классификацию «мусорных» входных данных, которые приводят к деградации результата
• Качество системы определяется качеством сенсоров — Обобщает принцип GIGO до уровня системного мышления: невозможность качественного выхода без точного входа
• Формулировка вопросов к LLM — Показывает, как скрытые искажения в промпте становятся «мусором», провоцирующим модель на подхалимство

---

Источник: Workshop transcript, 2025-10-01