Few-shot обучение для персонализации стиля общения с LLM

Few-shot обучение для персонализации стиля общения с LLM

Языковые модели могут обучаться на примерах входных данных и желаемых результатов прямо в промпте. Если вы добавите 2-4 разнообразных примера своих предыдущих коммуникаций, отчётов или расчётов, LLM научится воспроизводить именно ваш стиль работы. Это позволяет получать результаты в привычном для вас формате без необходимости детально описывать все требования словами.

Связи

• Примеры как учебный материал для AI — Раскрывает механизм того, как примеры в промпте обеспечивают консистентность и специфику стиля
• Создание training dataset из повседневной работы — Описывает источник данных для создания примеров, необходимых для персонализации коммуникации
• Прогрессия промптинга: от no-shot до many-shot — Классифицирует методику few-shot как конкретный этап в прогрессии сложности работы с промптами
• Many-shot как мини fine-tuning на лету — Показывает развитие идеи персонализации через масштабирование количества примеров до уровня мини-тренинга
• LLM не учатся на своих ошибках в диалоге — Обосновывает необходимость передачи примеров в промпте отсутствием у LLM постоянной памяти

---

Источник: Workshop transcript, 2025-10-01