Few-Shot Reasoning: предсказания на малых данных через структурированные примеры

Прикол: LLM на 100 примерах обгоняет обученные ML-модели в предсказании паттернов (время выполнения, наступление события). Секрет не в запоминании — в понимании контекста. Метод позволяет делать точные предсказания на малых данных (10-100 кейсов), где классические модели переобучаются или не находят закономерности. Фишка: LLM опирается на смысл слов, не только на статистику. Когда названия активностей зашифровали в хэши ("Звонок клиенту" → "A1B2C3"), точность рухнула — это доказывает что модель анализирует семантику. Видит "Проверка прав" → "Сброс пароля" → понимает типичную последовательность, даже если встречала её всего 2 раза.