3,583 papers
arXiv:2512.05858 82 5 дек. 2025 г. PRO

Экспертные персоны в промптах: не улучшают фактическую точность

КЛЮЧЕВАЯ СУТЬ
Парадокс: Google, Anthropic и OpenAI в документации рекомендуют назначать роли модели («Ты эксперт мирового класса по налогам», «Ты физик»), но исследование Wharton показало — на сложных фактических вопросах экспертные персоны не дают преимущества. Метод позволяет перестать тратить токены и время на бесполезные «ты эксперт» в промптах, когда важна точность. Проверили 6 моделей на 198+300 вопросах PhD-уровня (физика, химия, право), каждый прогнали 25 раз5 из 6 моделей показали ноль улучшения от персон. Зато персоны с низким знанием («ты малыш») ухудшили точность на 5-10%.
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