Контекст: вам продают очередную «магическую» инструкцию для LLM. Не алгоритм, не структуру, не проверку качест

Контекст: вам продают очередную «магическую» инструкцию для LLM. Не алгоритм, не структуру, не проверку качества — а фэнтези-обертку. «Ты — хранитель маяка», «ты — ткач гобеленов». На первый взгляд это чистый мусор. На деле — исследование Spurious Prompts показывает, что такой мусор иногда бьёт по качеству ответов сильнее, чем аккуратный, рациональный промпт.

Действие: авторы сравнили обычные инструкции с так называемыми подложными промптами — бессмысленными, но семантически насыщенными ролями. Идея простая: модель не «понимает» текст как человек, она ловит паттерны. Иногда необычная, нелогичная подача меняет траекторию генерации так, что ответ становится точнее. Да, это звучит как антинаучная ересь. Но именно поэтому тут нельзя включать режим «победил значимо» после двух примеров.

Результат: кейс не про то, что надо кормить ИИ бредом. Кейс про то, что интуиция про промпты часто хуже данных. Если меняете формат инструкции — измеряйте качество, а не верьте в красивую легенду. Иначе вы просто оптимизируете сказку. 📉