3,583 papers
arXiv:2610.02571 76 1 окт. 2026 г. PRO

Energy-Efficiency Prompting: как снизить энергопотребление сгенерированного кода одним промптом

КЛЮЧЕВАЯ СУТЬ
Код от LLM проходит все тесты, но жрёт ресурсы. По прошлым работам авторов, в разы, а местами в сотни раз больше энергии, чем решение человека. Метод Energy-Efficiency Prompting позволяет получать от той же модели код, который тратит меньше энергии, без дообучения и смены модели. Фишка: в промпт кладут не просьбу «оптимизируй», а явную цель «энергоэффективность» и пару «плохой код / хороший код». Модель видит, что значит «хорошо» именно здесь. Лучшие промпты срезали энергопотребление до 25% в среднем для Python и до 17% для C++.
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