Haben Sie einem LLM jemals eine Frage gestellt, den Wortlaut ein paar Mal geändert und immer noch das Gefühl, dass die Antwort nicht ganz richtig battle? Wenn Sie mit Instruments wie gearbeitet haben ChatGPT oder Zwillingehaben Sie wahrscheinlich Eingabeaufforderungen umgeschrieben, mehr Kontext hinzugefügt oder Formulierungen wie „Seien Sie prägnant“ oder „Denken Sie Schritt für Schritt“ verwendet, um die Ergebnisse zu verbessern. Aber was wäre, wenn die Verbesserung der Genauigkeit so einfach wäre, indem Sie Ihre gesamte Eingabeaufforderung kopieren und erneut einfügen? Das ist die Idee hinter der prompten Wiederholung. Das hört sich vielleicht zu einfach an, aber Untersuchungen zeigen, dass die Genauigkeit vieler Aufgaben erheblich verbessert werden kann, wenn Sie dem Modell Ihre Frage zweimal stellen, was es zu einer der einfachsten Leistungssteigerungen macht, die Sie ausprobieren können.

Was ist schnelle Wiederholung und warum sollte man sie ausprobieren?

Um zu verstehen, warum Wiederholungen hilfreich sind, müssen wir uns ansehen, wie LLMs Textual content verarbeiten. Die meisten großen Sprachmodelle werden auf kausale Weise trainiert. Sie sagen Token einzeln voraus, und jeder Token kann sich nur um die Token kümmern, die vor ihm kamen. Das bedeutet, dass die Reihenfolge der Informationen in Ihrer Eingabeaufforderung das Verständnis des Modells beeinflussen kann.

Eine zeitnahe Wiederholung trägt dazu bei, diesen Ordnungseffekt zu reduzieren. Wenn Sie die Eingabeaufforderung duplizieren, erhält jeder Token eine weitere Möglichkeit, sich um alle relevanten Informationen zu kümmern. Anstatt den Kontext nur einmal zu sehen, verarbeitet das Modell ihn effektiv zweimal während der Eingabephase (Vorausfüllung).

Wichtig ist, dass dies geschieht, bevor das Modell mit der Generierung einer Antwort beginnt. Das Ausgabeformat ändert sich nicht und das Modell generiert keine zusätzlichen Token. Sie verbessern lediglich die Artwork und Weise, wie das Modell die Eingabe verarbeitet.

Lesen Sie auch: Immediate Engineering Information 2026

Prompte Wiederholung in Aktion

In der Studie wurde die schnelle Wiederholung von sieben verschiedenen Aufgaben mithilfe von sieben LLMs bewertet. Dabei handelte es sich nicht um kleine Versuchsmodelle. Dazu gehörten weit verbreitete Modelle wie Gemini, GPT-4oClaude und DeepSeekZugriff über ihre offiziellen APIs. Die sieben Aufgaben bestanden aus:

Fünf Normal-Benchmarks:

• ARC (Fragen zum wissenschaftlichen Denken)
• OpenBookQA
• GSM8K (Mathe-Textaufgaben)
• MMLU-Professional (Multi-Area-Wissen)
• MATHE

Zwei maßgeschneiderte Aufgaben:

Die benutzerdefinierten Aufgaben wurden speziell entwickelt, um zu testen, wie intestine Modelle mit strukturierten und Positionsinformationen umgehen.

Für jede Aufgabe verglichen die Forscher zwei Setups:

1. Die Baseline-Eingabeaufforderung
2. Die exakt gleiche Aufforderung wiederholte sich zweimal

Sonst wurde nichts geändert. Das Ausgabeformat blieb gleich. Das Modell wurde nicht fein abgestimmt. Der einzige Unterschied bestand darin, dass die Eingabe dupliziert wurde.

Anschließend haben sie Folgendes gemessen:

• Genauigkeit
• Ausgabelänge
• Latenz

Leitfaden zu KI-Benchmarks, die alles abdecken, was MMLU, HumanEval und mehr erklärt

immediate = question

immediate = question + "n" + question

Alle Particulars finden Sie hier: Schnelle Wiederholung verbessert die Forschungsarbeit zu nicht-begründenden LLMs

Hallo, ich bin Nitika, eine technisch versierte Content material-Erstellerin und Vermarkterin. Kreativität und das Lernen neuer Dinge sind für mich selbstverständlich. Ich habe Erfahrung in der Erstellung ergebnisorientierter Content material-Strategien. Ich kenne mich intestine mit Search engine optimisation-Administration, Key phrase-Operationen, Internet-Content material-Schreiben, Kommunikation, Content material-Strategie, Redaktion und Schreiben aus.

Künstliche Intelligenz verändert die Branche schnell. Diese Verschiebung wird durch Großsprachmodelle, Sensible Agent -Systeme und engere Teamarbeit von Human -AI -Groups angetrieben. Von Sprachassistenten, die subtile Bedeutung bis hin zu KI -Groups, die große Aufgaben lösen, wechseln wir von einzelnen Modellen zu vernetzten, intelligenten Systemen.

Im heutigen Wirbelwind der schnellen Veränderung ist es leicht, sich verloren zu fühlen, wo man lernen kann, wem man folgen oder wie man wirklich versteht, was sich um dich herum entfaltet. Die wahre Herausforderung? Finden der richtigen Leute- diejenigen, die die Zukunft in Nischen, die moderne Felder stillgelegt haben, leise prägen. Und sie alle an einem Ort finden? Das ist quick unbekannt.

Bisher.

Wir veranstalten ein One-Cease-Erlebnis, das das Geräusch durchschneidet. Ein Raum, an dem Branchenexperten bestehen Deep-Dive-Hack-SitzungenMit Klarheit, Richtung und realen Erkenntnissen, die Sie in verstreuten Blogs oder endlosen Movies nicht finden, werden Sie nicht finden.

Du tauchst auf. Wir machen es Ihre Zeit wert- und Ihre Investition. Einfach das.

Datahack Summit 2025 vereint globale Experten, die diese Zukunft prägen. Die Sitzungen mischen tiefe technische Ideen mit realen Problemaussagen. Egal, ob Sie Ingenieur, KI -Profi, Produktleiter oder nur ein KI -Fanatic sind, diese Sitzungen zeigen Ihnen, wohin das Feld führt.

Diese Konferenz ist mehr als nur Gespräche und Keynotes. Es ist eine Mischung aus mutigen Ideen, echten Verbindungen und praktischem Lernen. Mit Lautsprechern von großen Giganten wie Microsoft, Nvidia, AG2 und mehr haben Sie Aussichten zu KI -Modellen, sicheren autonomen Systemen und wie Menschen und KI zusammen erzeugen können.

Hier sind zehn Hack -Sitzungen, die sowohl frisches Denken als auch aufschlussreiche Imbissbuden bieten, die Sie sofort verwenden können, wenn Sie an diesen Sitzungen teilnehmen.

AI Voice Agent: Die Zukunft der Human-Laptop-Interaktion

Voice schlägt schnell die Bildschirme als der einfachste Weg, um Technologie zu verwenden. In dieser Sitzung wird untersucht, wie neue Sprachagenten generative KI, Sprachtechnik und Echtzeitsynthese kombinieren, um reibungslose Interaktionen zu erstellen. Die Redner teilen echte Anwendungsfälle, von Bots, die schwierige Fragen bis hin zu Gesundheitsassistenten helfen. Sie erfahren, wie sich das Systemdesign auf die Geschwindigkeit und den natürlichen Fluss der Agenten auswirkt. Am Ende wissen Sie, wie Sie Sprach -Apps erstellen, die sich menschlicher anfühlen.

Sie werden auch sehen, wie KI -Modelle und Sprachwerkzeuge zusammenkommen, um moderne Sprachagenten zu betreiben. Die Sitzung zeigt, wie das Sensible -System -Design die Antworten schnell und genau hält. Sie werden Geschichten von Kundenunterstützung und Gesundheitsversorgung hören, in denen Voice AI einen Unterschied macht. Schließlich erhalten Sie Tipps für Trainingsagenten, um realer zu klingen und Ihnen dabei zu helfen, bessere und mehr menschliche Gespräche zu führen.

Sprecher

• Manoranjan Rajguru – AI -Architekt, Microsoft
• Ranjani Mani – Direktor & Nation Head (Generative AI, Indien & Südasien), Microsoft

Ermitteln Sie hier weitere Particulars

Eine visuelle Anleitung zum Aufmerksamkeitsmechanismus in LLMs

Aufmerksamkeit ist das, was große Sprachmodelle zur richtigen Zeit auf die richtigen Wörter konzentrieren. Diese Sitzung unterteilt es mit einfachen Diagrammen, die zeigen, wie Abfrage-, Schlüssel- und Wertmatrizen funktionieren. Sie werden visuelle Beispiele wie Gravity-Modelle sehen, die dazu beitragen, diese komplexen Ideen leicht zu erfassen. Die Sitzung erklärt, warum Aufmerksamkeit der Schlüssel zur Kohärenz und zur Aufrechterhaltung des Kontextes ist. Es ist großartig für alle, die eines der nützlichsten Werkzeuge von AI wirklich verstehen wollen.

Am Ende wissen Sie, wie Aufmerksamkeit dazu beiträgt, fließende, relevante Textual content zu erzeugen und wie Abfragen, Schlüssel und Werte das prägen, worauf sich das Modell konzentriert. Visuelle Vergleiche erleichtern die Mathematik leichter zu verstehen. Sie werden ein mentales Modell erstellen, mit dem Sie LLMs leichter debuggen und feinstimmen können.

Lautsprecher

Luis Serrano – Gründer und Chief Schooling Officer der Serrano Academy

Ermitteln Sie hier weitere Particulars

Von LLMs über Agenten KI: Lösen neuer Probleme mit Multi-Agent-Systemen

Stellen Sie sich LLMs nicht als einzelne Arbeiter vor, sondern als Workforce-Every-Agent hat eine Aufgabe und Fähigkeiten. Diese Sitzung zeigt, wie Multi-Agent-Systeme Aufgaben teilen, die Flüsse verbessern und Probleme lösen können, die ein Modell nicht kann. Sie erfahren, warum einzelne LLMs mit komplexen Jobs zu kämpfen haben und wie Instruments wie Crewai Agenten helfen, die Ergebnisse planen, handeln und überprüfen. Reale Anwendungsfälle zeigen, wie sich diese Systeme anpassen, wenn sich die Ziele ändern. Sie lassen sich bereit, Groups von AI -Agenten zu bauen, die wachsen und zusammenarbeiten können.

Sie lernen auch den Unterschied zwischen einzelnen Modellen und Agentensystemen und der Aufteilung von Arbeitsplätzen in spezialisierten Agenten. Die Sitzung zeigt, wie Sie Crewai verwenden, um diese Agenten zu verwalten, und Beispiele, die beweisen, wie skalierbar und flexibel dieses Setup ist.

Lautsprecher

Alessandro Romano – Senior Information Scientist. Kuhne+Nagel

Ermitteln Sie hier weitere Particulars

Quantifizierung unseres Vertrauens in neuronale Netze und KI

Das blindige Vertrauen von KI kann zu großen Fehlern führen, insbesondere wenn die Einsätze hoch sind. Diese Sitzung befasst sich mit der Schlüsselfrage: „Wie sicher ist sicher genug?“ Sie werden sehen, dass einfache neuronale Netze mutige Fehler machen. Anschließend lernen Sie zwei Möglichkeiten, um zu messen, wie selbstbewusste Modelle bayesische und Ensemble-Methoden sind. Schließlich zeigt die Sitzung, wie diese Instruments in größeren Modellen wie LLMs verwendet werden. Sie werden mit Werkzeugen weggehen, um Ihre KI ehrlicher und sicherer zu machen.

Der Vortrag erklärt, warum KI -Vertrauen wichtig ist und zwei starke Möglichkeiten durchläuft, um es zu messen. Sie werden sehen, wie man sie sowohl für kleine als auch für große Modelle verwendet. Es teilt auch Ideen, um diese Instruments in echte Systeme zu bringen, damit Ihre KI in der realen Welt besser und sicherer funktioniert.

Lautsprecher

Joshua Starrer – Gründer und CEO, Statquest

Ermitteln Sie hier weitere Particulars

Agentic AI trifft die verantwortliche KI: Gestaltung sicherer autonomer Systeme

Sensible Brokers können handeln, denken und sinnvoll sind, aber sie brauchen auch Regeln. Diese Sitzung zeigt, wie Sie Equity, Offenheit und Kontrolle in die Agent -KI hinzufügen. Sie werden auf echte Probleme wie Ziele und seltsame Verhaltensweisen eintauchen, die nicht geplant waren. Fallstudien zeigen, wie das Leben der Agenten verfolgt und Sicherheitsregeln durchsetzen kann. Am Ende wissen Sie, wie Sie KI aufbauen, die nicht nur funktioniert, sondern auch den Werten folgt, die uns wichtig sind.

Sie lernen auch die zentralen ethischen Ideen, die Agentensysteme leiten und wie häufig Probleme wie Systemdrift oder Fehlverhalten vermieden werden. Die Sitzung bietet Ihnen Instruments, um Agenten in Echtzeit- und Bausystemen zu überwachen, die honest und klar bleiben.

Lautsprecher

PRAVEEN KUMAR GS – Senior Director, Samsung Analysis

Ermitteln Sie hier weitere Particulars

Agentensysteme in den Schleifen

Selbst intelligente Agenten brauchen Hilfe von Menschen, wenn die Dinge schwierig werden. Diese Sitzung zeigt, wie die Kombination von menschlicher Planung mit KI -Aktion den Erfolg steigern kann. Sie werden Systemdesigns ansehen, die das menschliche Denken mit Agentengeschwindigkeit vermischen und Instruments wie Langgraph und Pydantic-AI verwenden. Wirkliche Beispiele zeigen, wie menschliche Schecks vor dem Wachstum Fehler aufnehmen. Sie werden mit soliden Plänen für den Aufbau dieser Hybridsysteme abreisen.

Die Sitzung taucht in die Mischung menschlicher Entscheidungen in KI-Systeme ein und gibt einen Überblick über Instruments wie Langgraph und Pydantic-AI. Sie werden sehen, wie die menschliche Führung die Fehler des Agenten reduziert und gute Möglichkeiten zum Aufbau von Systemen lernen, die beide Seiten in Einklang bringen.

Lautsprecher

Deepak Sharma – Ingenieur für maschinelles Lernen, DeepMind

Ermitteln Sie hier weitere Particulars

KI ist nicht hier, um die Schöpfer zu ersetzen-es kann ihnen bei der Erweiterung des kreativen Horizons helfen. Diese Sitzung zeigt Setups im React-Stil, bei dem Menschen Ideen und KI erstellen erste Versionen. Sie lernen, wie Sie offene Instruments wie stabile Diffusion, Loras und iPadapter verwenden, um bessere Inhalte zu erstellen. Die Sitzung zeigt auch, wie Sie Suggestions -Schleifen hinzufügen, mit denen Sie Ihre Ergebnisse verfeinern können. Egal, ob Sie in Design, Movie oder Anzeigen sind, Sie lernen, wie Sie Ihre Ideen mit KIs Kraft mischen.

Sie erstellen reagierte Workflows für Teamwork zwischen Menschen und KI, verwenden Instruments wie stabile Diffusion und Loras und lernen, wie man die Ergebnisse erzielt und verbessert. Diese Sitzung hilft Ihnen dabei, Ihre kreative Arbeit mithilfe von Sensible KI -Pipelines zu skalieren.

Lautsprecher

Dhruv Nair – Ingenieur für maschinelles Lernen, umarmtes Gesicht

Ermitteln Sie hier weitere Particulars

Aufbau von KI in Echtzeit für öffentliche Reisesysteme in Echtzeit

Moderne Städte benötigen Transportsysteme, die schnell reagieren und sich schnell an verschiedene Situationen anpassen können. Diese Sitzung zeigt, wie Multi-Agent-KI Routen und Zeitpläne in Echtzeit einstellen kann. Sie werden sehen, wie Microsoft -Setup Agenten ermöglicht, Probleme zu erkennen, neue Routen anzubieten und die Passagiere auf dem Laufenden zu halten. Sie lernen auch Design -Tipps für Systeme, die unter Druck stark bleiben. Wenn Sie sich für Sensible Metropolis Journey interessieren, können Sie in dieser Sitzung Pläne für reale Welt verwenden, die Sie verwenden können.

Sie lernen, wie man Agenten baut, die über den Transit wachen, wie man auf Probleme reagiert und wie man Menschen sofort aufmerksam macht. Es deckt auch Microsoft -Instruments ab, die diese Systeme skalierbar und zuverlässig machen.

Lautsprecher

Manpreet Singh – Information & Utilized Scientist II, Microsoft

Ermitteln Sie hier weitere Particulars

Agent to Agent Protocol: Vorteile und Arbeitsabläufe

Damit Agenten zusammenarbeiten können, brauchen sie eine gemeinsame Sprache, um zu sprechen. Das Agent-to-Agent (A2A) -Protokoll legt die Regeln fest und hilft den Agenten dabei, Ziele, Aktualisierungen und Auswahlmöglichkeiten zu teilen. Diese Sitzung deckt die Protokoll -Grundlagen ab und zeigt, wie sich Agenten zusammenschließen, Probleme lösen und bei Bedarf Flaggen erhöhen. Sie erhalten auch Tipps zur Verwendung dieses Setups in Ihren Systemen.

Sie erfahren, was das A2A-Protokoll ist, wie die Agent-Teamwork einfacher wird und wie Sie es verwenden, um Ihre Systeme einfach und zukünftig zu halten. Der Vortrag enthält Beispiele für Workflows und klare Schritte zur reibungslosen Integration.

Lautsprecher

Avinash Pathak – Senior AI Engineer, Nvidia

Ermitteln Sie hier weitere Particulars

Erhöhte Generierung des Agentenwissens: Der nächste Sprung nach Lag

Entdecken Sie, wie agentenwissen Augmented Technology (KAG) Lappen auf die nächste Stufe bringt! Während Rag die Modelle durch das Abrufen von Dokumenten verbessert, verwendet Kag intelligente Agenten, um Wissensgrafiken für tiefere Erkenntnisse zu erstellen und zu navigieren. Erforschen Sie in dieser Sitzung Techniken, um unstrukturierten Textual content in strukturierte Wissensgraphen umzuwandeln und in Graphatenbanken für reichere Modelleingaben zu integrieren.

Sehen Sie aus erster Hand die Grenzen des traditionellen Lappens und wie Kag diese Lücken überbrückt. Der Workshop deckt Finish-to-Finish-Workflows ab, einschließlich Grafikkonstruktion, Datenbankverbindung und agentenbasierter Argumentation-alles von Langgraph. Lernen Sie, KI -Systeme zu erstellen, die nicht nur Informationen abrufen, sondern den Kontext wirklich verstehen, indem Sie dynamische Wissensgrafiken nutzen.

Am Ende wissen Sie, wie Sie Multi-Agent-Systeme bereitstellen, die miteinander verbundene Datenquellen analysieren und intelligenteren, interpretierbaren KI-Lösungen freischalten

Lautsprecher

Arun Prakash Asokan – Affiliate Director- Information Science, Novartis

Ermitteln Sie hier weitere Particulars

Abschluss

Datahack Summit 2025 ist mehr als nur eine KI-Konferenz- dort nimmt die Zukunft der KI Gestalt an. Diese Sitzungen lehren nicht nur; Sie untersuchen, was als nächstes kommt. Mit Sprechern von High-Unternehmen und realen Anwendungsfällen in Branchen erhalten Sie einen Blick auf die Innenreihen, wie KI heute komplexe Probleme löst und wohin sie morgen geht.

Bei dieser Gelegenheit, sich solchen aufschlussreichen Sitzungen persönlich anzuschließen, gehen Sie mit mehr als nur Notizen. Sie verändern die Artwork und Weise, wie Sie über die Zusammenarbeit zwischen Menschen und AI, wie sich Modelle entwickeln können, und wie intelligente Systeme sowohl nützlich als auch verantwortungsbewusst sein können. Bei diesem Gipfel geht es nicht darum, Traits zu beobachten, sondern um Teil von ihnen zu sein. Wenn Sie praktische Werkzeuge, frische Ideen und einen Blick darauf wünschen, was als nächstes kommt, finden Sie hier hier.

Mit einer Karriere von 5 Jahren hat Swati mit High -Institutionen zusammengearbeitet, um Inhalte für sie zu kuratieren.
Ein Software program -Ingenieur, Information Science -Fanatic und ein Stickler für Grammatik, der immer jede Likelihood hat, Essen, Leben und mysteriöse Theorien zu erkunden. Als Potterhead mit einer Leidenschaft für Psychologie ist sie immer bereit, neue Theorien über das Leben zu lernen. Sie findet sich amüsiert von Büchern, Podcasts und Vlogs, die dem Leben einen Mehrwert bieten.