Обсуждение:Нейросетевое встраивание
Материал из MachineLearning.
(Различия между версиями)
(Создание страницы обсуждения) |
(Второй промпт) |
||
| Строка 18: | Строка 18: | ||
-- Emil Petrov | -- Emil Petrov | ||
| + | |||
| + | == Второй промпт == | ||
| + | |||
| + | Улучшенный «философский» промпт для переработки статьи до энциклопедического уровня 5/5 | ||
| + | (использован при подготовке версии от 14 июля 2026; результат сверен с первоисточниками): | ||
| + | |||
| + | Ты — редактор энциклопедии MachineLearning.ru. Создай идеальную статью | ||
| + | «Нейросетевое встраивание»: от интуиции «близкий смысл → близкий вектор» | ||
| + | до рабочих деталей обучения и поиска. | ||
| + | |||
| + | Обязательное содержание: | ||
| + | - Определение f: X → R^d; косинусная близость; типичные размерности. | ||
| + | - Word2Vec (CBOW/Skip-gram + формула), GloVe, FastText / subword. | ||
| + | - Контекст: ELMo, BERT; почему сырой BERT слаб как sentence embedding. | ||
| + | - SBERT; контрастивное обучение (InfoNCE), SimCSE; CLIP как мультимодальный пример. | ||
| + | - Кратко графовые эмбеддинги (DeepWalk/Node2Vec). | ||
| + | - ANN: kNN-формула, HNSW, IVF, PQ; FAISS и др.; переиндексация при смене модели. | ||
| + | - Оценка: STS, MTEB/BEIR, downstream RAG; ловушки (hubness, domain shift, bias). | ||
| + | - Связь с LLM, вниманием, промпт-инжинирингом/RAG, RLHF, диффузионными моделями. | ||
| + | - Исправление ошибок старых черновиков: не «ОБР», а «обработка естественного языка»; | ||
| + | корректные шаблоны {{статья}}/{{книга}} без битых Unicode-escape. | ||
| + | - Оформление: {{well|Статья написана с использованием LLM '''Claude Sonnet 4''' и проверена участником [[Участник:Emil Petrov|Emil Petrov]] 20:15, 14 июля 2026 (MSD) | ||
| + | Промпт приводится полностью в [[Обсуждение:Нейросетевое встраивание]] | ||
| + | }}, | ||
| + | {{TOCright}}, литература с реальными источниками, объём 18–28 КБ UTF-8. | ||
| + | |||
| + | '''Примечание о верификации.''' Статья проверена участником [[Участник:Emil Petrov|Emil Petrov]] 14 июля 2026: сверены формулы Skip-gram/GloVe/contrastive/kNN, ключевые цитирования (Mikolov, Pennington, Devlin, Reimers, Radford, Malkov) и терминология. Эмпирические утверждения о качестве BERT/SBERT следует читать как обобщение литературы, а не как результат локального бенчмарка редакции. | ||
Версия 17:28, 14 июля 2026
Промпт для генерации статьи
Промпт, использованный для генерации статьи «Нейросетевое встраивание» с помощью LLM Claude Sonnet 4:
Напиши подробную энциклопедическую статью для вики-сайта MachineLearning.ru
на тему «Нейросетевое встраивание» (neural network embeddings) на русском языке.
Требования:
1. Структура: основная идея, словесные эмбеддинги (Word2Vec, GloVe, FastText),
контекстуальные эмбеддинги (ELMo, BERT, Sentence Transformers),
графовые и мультимодальные эмбеддинги, поиск ANN, применения.
2. Формат: wiki-разметка MediaWiki, заголовки ==, математика 
.
3. Минимум 5 внутренних ссылок.
4. Категории: Машинное обучение, Нейронные сети, Обработка естественного языка.
5. Раздел Литература с 4-6 источниками.
6. Формулы: функция встраивания, Skip-gram loss, GloVe, kNN.
7. Шаблон well добавить отдельно.
-- Emil Petrov
Второй промпт
Улучшенный «философский» промпт для переработки статьи до энциклопедического уровня 5/5 (использован при подготовке версии от 14 июля 2026; результат сверен с первоисточниками):
Ты — редактор энциклопедии MachineLearning.ru. Создай идеальную статью «Нейросетевое встраивание»: от интуиции «близкий смысл → близкий вектор» до рабочих деталей обучения и поиска.
Обязательное содержание:
- Определение f: X → R^d; косинусная близость; типичные размерности.
- Word2Vec (CBOW/Skip-gram + формула), GloVe, FastText / subword.
- Контекст: ELMo, BERT; почему сырой BERT слаб как sentence embedding.
- SBERT; контрастивное обучение (InfoNCE), SimCSE; CLIP как мультимодальный пример.
- Кратко графовые эмбеддинги (DeepWalk/Node2Vec).
- ANN: kNN-формула, HNSW, IVF, PQ; FAISS и др.; переиндексация при смене модели.
- Оценка: STS, MTEB/BEIR, downstream RAG; ловушки (hubness, domain shift, bias).
- Связь с LLM, вниманием, промпт-инжинирингом/RAG, RLHF, диффузионными моделями.
- Исправление ошибок старых черновиков: не «ОБР», а «обработка естественного языка»;
корректные шаблоны {{{заглавие}}}./{{{заглавие}}}. без битых Unicode-escape.
- Оформление:
| Статья написана с использованием LLM Claude Sonnet 4 и проверена участником Emil Petrov 20:15, 14 июля 2026 (MSD)
Промпт приводится полностью в Обсуждение:Нейросетевое встраивание |
,
|
Примечание о верификации. Статья проверена участником Emil Petrov 14 июля 2026: сверены формулы Skip-gram/GloVe/contrastive/kNN, ключевые цитирования (Mikolov, Pennington, Devlin, Reimers, Radford, Malkov) и терминология. Эмпирические утверждения о качестве BERT/SBERT следует читать как обобщение литературы, а не как результат локального бенчмарка редакции.
