Современные языковые модели (Large Language Models, LLM), такие как GPT, LLaMA и другие, демонстрируют высокий уровень генерации естественного текста и способны решать широкий спектр задач, от ответа на вопросы до творческого письма. Вместе с тем они обладают известной проблемой — склонностью к галлюцинациям: выдумке фактов, недостоверной информации и ошибочных суждений. Это создает серьезные ограничения при их применении в практических и критически значимых областях, таких как медицина, юриспруденция, образование и журналистика.

Одним из ключевых факторов, влияющих на точность и достоверность ответов языковых моделей, является стратегия промтирования (prompt engineering). Формулировка запроса, структура инструкции, контекст и дополнительные условия могут существенно изменять характер ответа модели, снижая или увеличивая вероятность генерации неверной информации.

Несмотря на растущую популярность LLM, научное исследование зависимости достоверности текста от способов промтирования остается ограниченным и поэтому требует системного анализа, в связи с чем возникает потребность в данном исследовании.

На страницу проекта