Prompt qanday yoziladi?#prompt_technology
Yaxshi prompt bu bitta gap emas. Bu 5 ta muhim qismdan iborat birikma.
Ular:
1. 𝐊𝐨𝐧𝐭𝐞𝐤𝐬𝐭 — vaziyatni aniqlash
AI nimani, qayerda va kim uchun qilayotganini bilishi kerak.
Misol:
“Prompt tushunchasini IT sohasida yangi boshlayotgan talaba uchun sodda va misollar bilan tushuntirib ber.”
2. 𝐑𝐨𝐥 — nuqtai nazarni belgilash
AI qaysi rolda fikr yuritishini aniqlaydi.
Misol:
“O‘zingni tajribali backend arxitektor sifatida tut va (ushbu topic)-ni shu rolda tushuntir.”
3. 𝐂𝐡𝐞𝐤𝐥𝐨𝐯 — chegaralarni qo‘yish
Cheklovlar sifatni pasaytirmaydi, aksincha aniqlik beradi.
Misol:
“Texnik terminlarsiz, 5 banddan oshmagan holda va faqat amaliy jihatlarni yoz.”
4. 𝐍𝐚𝐭𝐢𝐣𝐚 𝐟𝐨𝐫𝐦𝐚𝐭𝐢 — javob qanday ko‘rinishda bo‘lsin
Format aytilmasa, javob qayta ishlashni talab qiladi.
Misol:
“Natijani jadval ko‘rinishida ber: muammo, sabab, yechim.”
5. 𝐌𝐢𝐬𝐨𝐥 — kutilgan natijani ko‘rsatish
Bitta yaxshi misol o‘nlab izohdan kuchliroq.
Misol:
“Uslub quyidagidek bo‘lsin: muammo → tahlil → xulosa. Mana shunga o‘xshash yozing.”
Umumiy prompt misoli:
(𝘒𝘰𝘯𝘵𝘦𝘬𝘴𝘵:) Mobil ilova ustida ishlayotgan kichik jamoa bor; loyiha tez o‘sishga tayyor va arxitektura qarori uzoq muddatli bo‘lishi kerak. (𝘙𝘰𝘭:) O‘zingni tajribali mobil arxitektor sifatida tut. (𝘊𝘩𝘦𝘬𝘭𝘰𝘷:) Faqat amaliy jihatlarga e’tibor qarat, nazariy ta’rif berma. Javob 5 banddan oshmasin. (𝘕𝘢𝘵𝘪𝘫𝘢 𝘧𝘰𝘳𝘮𝘢𝘵𝘪:) Muammo → Variantlar → Risklar → Tavsiya → Keyingi qadamlar. (𝘔𝘪𝘴𝘰𝘭 (𝘶𝘴𝘭𝘶𝘣 𝘺𝘰‘𝘯𝘢𝘭𝘵𝘪𝘳𝘶𝘷𝘤𝘩𝘪):) Har bir band 1–2 jumladan oshmasin, qisqa va qaror qabul qilishga yordam beruvchi ohangda yoz. Shu shartlar asosida loyiha uchun eng maqbul arxitektura qarorini tavsiya qil.
Siz prompt yozayotganda shu 5 qismdan qaysisini ko‘pincha e’tiborsiz qoldirasiz?
Mukhriddinbek Samidov
🔗YouTube | Instagram | LinkedIn | Telegram | Medium
#prompt#ai#chatgpt#claude#deepseek#gemini
📌Массовое использование чат-ботов унифицирует то, как люди пишут и рассуждают
Университет Южной Калифорнии опубликовал в журнале Trends in Cognitive Sciences статью, в которой утверждают, что массовое использование больших языковых моделей постепенно размывает индивидуальные различия в речи, письме и мышлении.
Авторский коллектив возглавляет профессор психологии и информатики Мортеза Дехгани.
Научные интересы Дехгани лежат на стыке психологии, когнитивной науки и искусственного интеллекта: он известен работами по вычислительному анализу морального и политического языка, применению методов NLP к большим текстовым корпусам (от социальных сетей до литературы) и изучению того, как ценности и групповая мораль проявляются в речи.
По мнению исследователей, когда миллионы людей обращаются к узкому кругу одних и тех же чат-ботов, стилистические, смысловые и логические особенности отдельных людей стираются, а на выходе получается «стандартизированное выражение мыслей».
Этот процесс вызывает беспокойство: модели не просто влияют на манеру письма, но и незаметно переопределяют, что считается достоверной речью, корректной точкой зрения и хорошим рассуждением.
Тексты, сгенерированные LLM, менее разнообразны, чем написанные людьми, и в среднем воспроизводят язык, ценности и логические схемы западных, образованных, индустриальных, состоятельных и демократических сообществ. Причина - в обучающих выборках, где непропорционально представлены доминирующие языки и идеологии.
В статье приводится и обратный эффект: отдельный пользователь с помощью чат-бота, как правило, генерирует больше идей, чем без него, однако группы людей, опирающиеся на LLM, в итоге выдают меньше оригинальных решений, чем те же группы, работающие без ИИ.
Авторы также указывают, что популярные модели тяготеют к линейным схемам вроде CoT, что, по их оценке, может вытеснять интуитивные и абстрактные подходы. Они ссылаются на данные о том, что после взаимодействия с предвзятой моделью мнения пользователей смещаются в ее сторону.
🟡Рекомендация авторов
При обучении моделей следует закладывать реальное языковое и культурное многообразие, а не случайные вариации. Это одновременно сохранит бы когнитивное разнообразие в обществе и улучшит способности самих чат-ботов к рассуждению.
🟡Дисклеймер
Это не эмпирическое исследование с собственными экспериментами, обзорно-полемическая работа, обобщающая чужие исследования и выдвигающая гипотезу.
Сужение стилистики, сдвиг мнений после общения с моделью - подтверждены отдельными исследованиями, а вот более широкие тезисы о глобальной гомогенизации мышления остаются дискуссионными.
Работа выполнена при поддержке Управления научных исследований Минобороны США.
@ai_machinelearning_big_data
#AI#ML#LLM#Research#Cognitive#NLP
📌SAPO: RL-метод, который приручил нестабильные градиенты в LLM и MoE.
Qwen предложил RL-метод SAPO (Soft Adaptive Policy Optimization), который решает ключевую проблему нестабильного обучения LLM и архитектур MoE и предлагает более разумный и мягкий подход к контролю над процессом обучения.
Reinforcement Learning, RL - это ингредиент, превращающий просто большую языковую модель в рассуждающего помощника. Именно RL учит ИИ решать олимпиадные задачи по математике, писать чистый код и понимать связь между текстом и изображением.
Но у RL есть обратная сторона: катастрофическая нестабильность обучения, особенно для гигантских моделей.
Главная техническая головоломка - это контроль над коэффициентами значимости на уровне каждого токена. В архитектурах MoE, где разные части модели активируются для разных задач, эти коэффициенты могут бесконтрольно «скакать».
Слишком большие колебания коэффициентов превращают четкие обучающие сигналы в помехи, дестабилизирующие всю систему.
До сих пор стандартными инструментами были GRPO и GSPO, которые использовали принцип хард-клиппинга. Если коэффициент выходил за заданные рамки, градиент просто обнулялся.
🟠Минус первый: Потеря информации. Ценные, но выбивающиеся данные безжалостно отбрасывались.
🟠Минус второй: Невозможный баланс. Сделаешь рамки узкими - задушишь обучение. Сделаешь широкими - полезет паразитный шум. Для капризных MoE-архитектур эта дилемма особенно актуальна.
SAPO предлагает отказаться от хард-клиппинга в пользу интеллектуального сглаживания.
Вместо резкого обнуления SAPO использует плавную, адаптивную функцию (контролируемую температурой), которая мягко снижает влияние проблемных градиентов, но не обнуляет их полностью. Это создает непрерывные области доверия, внутри которых модель может учиться более гибко и безопасно.
🟡Красота SAPO - в универсальности.
🟢Как GSPO, но умнее. Если в длинном ответе сбился лишь один токен, GSPO наказывает всю последовательность. SAPO избирательно подавляет только «виновника», сохраняя полезные сигналы от остальных слов. Это резко повышает эффективность наборов обучающих данных.
🟢Как GRPO, но плавнее. Вместо резкого отключения градиента для плохого токена SAPO применяет постепенное затухание. Это предотвращает резкие рывки в обучении, обеспечивая плавную и стабильную настройку политики модели.
Вишенка метода - это асимметричный температурный дизайн. SAPO по-разному обрабатывает «хорошие» и «плохие» обновления. Для токенов с негативным вкладом используется более высокая температура, заставляющая их влияние затухать быстрее и сильнее.
Это простое правило надежно гасит наиболее опасные колебания, что на практике приводит к беспрецедентной стабильности процесса RL-обучения.
🟡Теорию подтвердили тестами.
При обучении Qwen3-30B-A3B-Base, SAPO не только показал более стабильную кривую обучения , но и достиг более высоких результатов на сложных математических бенчмарках AIME25, HMMT25. Причем он сделал это без трудоемкого маршрутизирующего воспроизведения, которая требовалась конкурентам для работы с MoE.
Успех повторили в масштабном эксперименте с мультимодальной Qwen3-VL-30B-A3B, где SAPO стабильно обошел аналоги в смешанных задачах на кодинг, логику и математику.
🟡Статья
🟡Arxiv
@ai_machinelearning_big_data
#AI#ML#LLM#MoE#SAPO#Qwen
Stack Overflow 数据揭示“几乎正确”的 AI 代码所带来的隐形生产力税
Stack Overflow 的一项调查显示，虽然 84% 的开发者使用或计划使用 AI 编码工具，但他们对 AI 准确性的信任度正在下降。 调查显示，只有 33% 的开发者信任 AI 代码的准确性，低于去年的 43%。 开发者对 AI 工具的满意度降低，主要原因是 AI 生成的代码看似正确，但包含需要大量调试才能发现的错误。 超过半数的开发者报告，修复 AI 生成的代码需要比预期更长的时间，从而影响了生产力。 该调查涵盖了全球超过 49,000 名程序员。Slashdot
🏷#AI#代码#生产力#开发者
📢频道👥群组📝投稿
Как и предсказывалось, массовое распространение искусственного интеллекта порождает мощнейшие вызовы общепринятой человеческой морали.
Организация Internet Watch Foundation (IWF), сообщила, что изображения с сексуальным насилием над детьми, созданные с помощью ИИ, все чаще появляются в открытом доступе в интернете. За последние шесть месяцев количество таких материалов уже превысило показатели всего предыдущего года. Почти все изображения были обнаружены в открытых частях интернета, а не в даркнете.
Этот вопрос уже неоднократно поднимался ранее, однако чисто в теоретическим плане: является ли искусственно сгенерированное изображение аналогом реальной порнографии? Сейчас, однако, дело дошло до практики, а учитывая, что распространение ИИ практически бесконтрольно, правоохранительные органы при любой позиции законодателя могут оказаться бессильны перед потоком генерации подобных изображений.
Основной проблемой искусственной генерации изображений, в частности, детей и подростков, является отсутствие юридической возможности определения реального возраста человека. С этой проблемой законодатели уже не раз сталкивались при анализе жанра японской анимации хентай, где все герои являются рисованными.
В IWF утверждают, что для обучения нейросети генерировать подобные видео и фото использовались реальные сцены с детьми и подростками, что является однозначным преступлением во всех странах мира. Однако пока что никаких доказательств этого утверждения не найдено.
#кино#порно#ai#ии#iwf
💎Собрали лендинг за 10 минут
В этом видео мы тестируем v0.dev — инструмент от Vercel, который генерирует интерфейсы и веб‑страницы по простому текстовому описанию.
Мы попросили нейросеть сделать лендинг для нашего будущего стрима: описали тему, добавили спикеров, вставили ссылки на фото. Через пару минут получили готовую страницу.
🥰Всё редактируется прямо в интерфейсе. Мы поменяли подписи, добавили цвета, иконку ТГ и даже поле для отправки сообщения.
Работали на бесплатном тарифе — никаких денег, только немного потраченных промптов (их выдают сразу после регистрации).
Для чего будет удобно:
- Прототипы и лендинги
- UI для MVP или внутренних инструментов
- Быстрая проверка гипотез без дизайнера и верстальщика
#ИИ#AI#Нейросети#V0
———
#Инструменты#Лендинг
Подписывайтесь: @aiforproduct
Илон Маск готовит к выпуску приватный мессенджер XChat – «убийцу» Telegram. Этот проект, разработанный командой социальной сети X, ориентирован на пользователей, которые ценят высокий уровень защиты личных данных и удобство общения без лишних посредников.
Среди ключевых возможностей приложения выделяются переписки со сквозным шифрованием, которое обеспечивает конфиденциальность сообщений на всем пути передачи. Пользователи смогут совершать аудио- и видеозвонки между устройствами. При этом регистрация не потребует указания номера телефона — достаточно аккаунта в X (для регистрации в котором, впрочем, всё-таки нужен номер телефона).
В секретных чатах сообщения будут самоудаляться по таймеру, а в обычных разговорах предусмотрена функция запрета скриншотов и записи экрана. Кроме того, любой участник чата сможет удалить отправленное сообщение для всех собеседников.
Приложение поддерживает передачу файлов любого типа и размера, групповые беседы, рассчитанные на сотни участников. Разработчики особо уточнили, что в XChat полностью отсутствует реклама и механизмы отслеживания пользовательских данных – по крайней мере пока и по крайней мере так декларируется.
XChat построен на новой архитектуре с использованием языка программирования Rust и шифрования в стиле, близком к принципам защиты в сети биткоин. Это позволяет говорить о повышенной устойчивости к внешним вмешательствам и минимизации рисков утечек. Интеграция с искусственным интеллектом Grok даст возможность быстро анализировать содержание сообщений прямо в чате, не нарушая общей конфиденциальности переписки.
Релиз приложения запланирован на 17 апреля 2026 года. Сначала XChat станет доступен владельцам устройств на базе iOS — для iPhone и iPad. Версия для Android появится несколько позже. На старте сервис позиционируется как самостоятельное приложение, хотя часть функций уже тестировалась внутри основной платформы X в формате улучшенных личных сообщений.
Очевидно, что запуск XChat отражает стремление создать «всё-в-одном» приложение, где социальные взаимодействия сочетаются с надёжным инструментом для приватных разговоров. Пользователи, которые уже пробовали бета-версию, хвалят скорость работы, минималистичный интерфейс и отсутствие навязчивых элементов.
Ждём, когда Роскомнадзор заблокирует и этот мессенджер… Впрочем, не факт, что он будет вообще доступен в России. Нейросеть Grok в России не работает.
#мессенджеры#ai#ии#xchat#tegegram