3,583 papers
arXiv:2607.22076 72 24 июля 2026 г. PRO

PoCEvolve: обучение промпта на своих же неудачных попытках через оценку по критериям

КЛЮЧЕВАЯ СУТЬ
Правишь один баг в промпте — и ломаешь то, что уже работало в другом месте. Знакомая боль при доработке кода или текста через LLM. Метод PoCEvolve позволяет чинить только слабое место в неудачной попытке, не теряя то, что уже получилось. Фишка: система хранит сразу несколько РАЗНЫХ неудачных попыток и оценивает каждую по восьми узким критериям вместо одного общего «не сработало». Одна попытка угадала длину данных, но забыла нужный вызов функции — другая наоборот. Их сильные стороны склеиваются в новый промпт — вместо линейной правки, которая теряет то, что уже было верным.
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