3,583 papers
arXiv:2606.20508 72 18 июня 2026 г. PRO

Контекст как сигнал: почему тип и порядок few-shot примеров меняет поведение LLM

КЛЮЧЕВАЯ СУТЬ
Ты думаешь, что показываешь модели формат ответа. На самом деле — показываешь ей, кем быть. Понимание этого позволяет управлять тоном, ролью и стилем LLM точнее, чем любая инструкция. Каждый few-shot пример кодирует не паттерн поведения, а образ роли: безобидный пример «вопрос → структурный ответ» включает у модели образ полезного и аккуратного ассистента — и этот образ тянется дальше на все следующие ответы. Последний пример в контексте весит непропорционально много — у модели сильный уклон в сторону недавнего. Лучший пример ставь последним.
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