Pegué el prompt dos veces y la precisión cambió
El método más barato para mejorar el rendimiento de un LLM, validado por Google Research en 7 modelos. Sin entrenamiento adicional, sin ingeniería de prompts. Solo copiar y pegar.
← Índice
prompt-engineering
2 posts
De 6,7% a 68,3% de tasa de éxito: el harness, no el modelo, marcó la diferencia de 10x
Lo que demuestran los resultados de Terminal Bench de LangChain y el experimento con el formato hashline. El modelo fue el mismo, y la razón por la que el ranking del leaderboard se invirtió fueron tres factores: el prompt, las herramientas y el middleware.