#Prompt engineering
risultati
-
RAG: la maggior parte delle “allucinazioni” sono errori di extraction
Nel RAG il modello legge il contesto: se la risposta è sbagliata è quasi sempre un errore di…
-
Il prompt non basta: i quattro “bricks” del context engineering contro le allucinazioni RAG
La maggior parte delle “allucinazioni” RAG non nasce dal modello, ma da un brick a monte che gli…
-
Context engineering per il RAG: dalla domanda grezza a campi tipizzati che guidano retrieval e generation
Anche la domanda dell’utente è context da progettare: separandola in campi tipizzati, il question parsing di una pipeline…
-
Il long context ha un costo: un layer di prompt-pruning deterministico per sistemi LLM
Nelle conversazioni LLM lunghe il prompt cresce all’infinito, accumulando token ridondanti che aumentano costo e latenza. Un pipeline…
-
Kenton Varda mette al bando le descrizioni di commit scritte dall’AI
Una citazione raccolta da Simon Willison: Kenton Varda ha imposto una moratoria sulle descrizioni di PR e commit…