Search
Tag: #prompt-engineering165 results
深度提示大幅降低 LLM Type II 錯誤
200 個陷阱提示的消融研究顯示，開放式探索提示將 LLM 自我分類的 Type II 錯誤降至 1.25%（對比 3.12%）。後認知指令也達 1.0% 有效；結構化方法損害 Claude 模型。測試 DeepSeek、Gemini Flash、Claude Haiku/Sonnet。
Meta 提示技巧將 LLM 程式碼審核提升至 93%
Meta 的半形式推理提示要求 LLM 填寫邏輯證書，陳述前提、追蹤執行路徑並推導結論，實現無執行程式碼分析。在程式碼審核、錯誤定位和 QA 任務達 93% 準確率。此舉降低大型儲存庫代理程式碼推理的基礎設施成本。
好Skill的5個共性：Claude Code內部經驗
Anthropic工程師Thariq公開數百內部Claude Code Skills經驗。重點：坑點優先於文件、精準描述觸發、記憶機制連續性。Skill價值在高語境團隊知識，AI無法搜尋。
Sinc 重建法將 LLM 提示成本減 97%
將奈奎斯特-香農定理應用於 LLM 提示視為 6 頻帶訊號，減少幻覺等混疊。經優化約束實現 97% API 成本減 ($1,500 至 $45/月) 與 SNR 提升。開源，可 pip 安裝。
AI 設計 mRNA 癌症疫苗救狗
機器學習專家 Paul Conyngham 使用 GPT-4 和 AlphaFold 從狗腫瘤測序中識別新抗原，設計個人化 mRNA 疫苗。新南威爾斯大學合成後，狗的肥大細胞瘤縮小超過 75%。OpenAI 和 DeepMind 領袖讚譽為醫療平權里程碑。
提示大幅降低低資源語言詞彙污染
結構化 5 層提示無需微調，將 Tulu（低資源達羅毗荼語）的詞彙污染從 80% 降至 5%。層級包含音韻基礎、形態學、負面約束、羅馬化、自玩範例。在 GPT-4o、Gemini 2.0 Flash、Llama 3.1 70B 上驗證。
STAR提示將洗車問題推理準確率提升85%
大型語言模型在無適當提示下無法解決洗車問題。對Claude 3.5 Sonnet的變數隔離研究顯示，單獨使用STAR框架即可將準確率從0%提升至85%。加入使用者檔案與RAG脈絡後，達成100%準確率。
抽象，狗都開始 vibe coding 了
工程師 Caleb Leak 打造系統，讓他的狗 Momo 在鍵盤上隨意拍爪，Claude AI 透過巧妙提示解碼成遊戲指令，產生可玩的 Godot 遊戲。它包含 Raspberry Pi 捕捉輸入、Rust 應用過濾、自動 Zigbee 寵物餵食器獎勵，以及驗證測試。此系統將「狗語」轉化為 1-2 小時內的功能性 3D 遊戲。
AI 電影《Hell Grind》公開完整製作方法
Higgsfield 公開了《Hell Grind》的完整製作素材與提示詞；這部 95 分鐘電影沒有使用攝影機、演員或實體場景。專案動用了超過 115,000 個資產、15 人團隊，並花費約 50 萬美元製作與運算成本，在 14 天內完成素材生成。