3,583 papers
arXiv:2511.13972 88 17 нояб. 2025 г. PRO

Show and Tell: контроль стиля в многоходовых диалогах с LLM

КЛЮЧЕВАЯ СУТЬ
Парадокс: показываешь модели лаконичный пример — она пишет лаконично. Просишь «улучши обработку ошибок» — раздувает ответ так, будто примеров не было. Метод позволяет удерживать стиль кода даже когда просишь доработать результат — не только на первом ходу, но и через 2-3 итерации. Фишка: примеры (few-shot) задают форму, но не создают правило. Они работают как шаблон для первого ответа. А вот явные инструкции («пиши минимум, без докстрингов если название очевидно») работают как операционные ограничения — модель применяет их при каждой генерации. Комбинация даёт -70% токенов на старте и минимальное раздувание при доработке.
Адаптировать под запрос
📋 Дайджест исследования

Контент доступен только для PRO подписчиков

Чтобы получить доступ к дайджесту этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Контент доступен только для PRO подписчиков

Чтобы получить доступ к концептам этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO
📖 Простыми словами

Контент доступен только для PRO подписчиков

Чтобы получить доступ к упрощённому объяснению этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Работа с исследованием

Адаптируйте исследование под ваши задачи или создайте готовый промпт на основе техник из исследования.

0 / 2000
~0.5-2 N-токенов ~10-30с
~0.3-1 N-токенов ~5-15с