Mikołaj Langner - Dichotomic Prompting for Efficient Multi-LabelLLM-Based Classfication

Автор: Instytut Podstaw Informatyki PAN

Загружено: 2025-12-14

Просмотров: 16

Описание: We demonstrate that reasoning-enabled LLMs are markedly better at
tasks requiring contextual sensitivity, such as offensive-language
annotation. When prompted to adopt a specific role, reasoning models
maintain that role more consistently and make more accurate, fine-grained
judgments than their non-reasoning counterparts. Viewed together, these
findings highlight a unifying principle: LLMs become both more efficient and
more context-aware when their decision process is made more structured,
whether through task decomposition or through explicit reasoning.

Не удается загрузить Youtube-плеер. Проверьте блокировку Youtube в вашей сети.
Повторяем попытку...

Mikołaj Langner - Dichotomic Prompting for Efficient Multi-LabelLLM-Based Classfication

Доступные форматы для скачивания:

Скачать видео

Информация по загрузке:

Скачать аудио

Похожие видео

Arkadiusz Modzelewski – Disinformation: Datasets, Methods and Language Models Evaluation

Arkadiusz Modzelewski – Disinformation: Datasets, Methods and Language Models Evaluation

Ryszard Staruch – Wykorzystanie wielkich modeli języka w zadaniu korekty tekstu

Ryszard Staruch – Wykorzystanie wielkich modeli języka w zadaniu korekty tekstu

Agata Savary – Diversity quantification in natural language processing

Agata Savary – Diversity quantification in natural language processing

Maciej Rapacz, Aleksander Smywiński-Pohl – Tłumaczenie interlinearne tekstów starogreckich

Maciej Rapacz, Aleksander Smywiński-Pohl – Tłumaczenie interlinearne tekstów starogreckich

A. Tomaszewska, B. Żuk, D. Czerski, M. Ogrodniczuk - NeoN: wykrywanie i analiza neologizmów

A. Tomaszewska, B. Żuk, D. Czerski, M. Ogrodniczuk - NeoN: wykrywanie i analiza neologizmów

LLM и GPT - как работают большие языковые модели? Визуальное введение в трансформеры

LLM и GPT - как работают большие языковые модели? Визуальное введение в трансформеры

Преломление и «замедление» света | По мотивам лекции Ричарда Фейнмана

Преломление и «замедление» света | По мотивам лекции Ричарда Фейнмана

Аналоговые компьютеры возвращаются? Часть 2 [Veritasium]

Аналоговые компьютеры возвращаются? Часть 2 [Veritasium]

Удаляем свои фото, выходим из чатов, скрываем фамилию? Как избежать штрафов

Удаляем свои фото, выходим из чатов, скрываем фамилию? Как избежать штрафов

Алгоритмы на Python 3. Лекция №1

Алгоритмы на Python 3. Лекция №1

Краткое объяснение больших языковых моделей

Краткое объяснение больших языковых моделей

ШЕНДЕРОВИЧ: Удар по дворцу Путина — был ли? Обратная связь от войны. Трамп морозит. Ответ Каспарову

ШЕНДЕРОВИЧ: Удар по дворцу Путина — был ли? Обратная связь от войны. Трамп морозит. Ответ Каспарову

Как Сделать Настольный ЭЛЕКТРОЭРОЗИОННЫЙ Станок?

Как Сделать Настольный ЭЛЕКТРОЭРОЗИОННЫЙ Станок?

Понимание Active Directory и групповой политики

Понимание Active Directory и групповой политики

Как LLM могут хранить факты | Глава 7, Глубокое обучение

Как LLM могут хранить факты | Глава 7, Глубокое обучение

Но что такое нейронная сеть? | Глава 1. Глубокое обучение

Но что такое нейронная сеть? | Глава 1. Глубокое обучение

Ваш браузер знает о вас все и сливает данные: как защититься?

Ваш браузер знает о вас все и сливает данные: как защититься?

АСТРОНОМЫ УВИДЕЛИ ТАИНСТВЕННОЕ ТЁМНОЕ ВЕЩЕСТВО. Владимир Сурдин

АСТРОНОМЫ УВИДЕЛИ ТАИНСТВЕННОЕ ТЁМНОЕ ВЕЩЕСТВО. Владимир Сурдин

Как крутят нейронки на периферийных устройствах / База по Edge Computing от инженера из Qualcomm

Как крутят нейронки на периферийных устройствах / База по Edge Computing от инженера из Qualcomm

Градиентный спуск, как обучаются нейросети | Глава 2, Глубинное обучение

Градиентный спуск, как обучаются нейросети | Глава 2, Глубинное обучение