852話(hakoniwa) (@8co28)

AI로 두 명의 소녀를 교복과 마법소녀 복장으로 한 立ち絵(캐릭터 일러스트)를 생성한 뒤, 그 일러스트를 기반으로 애니메이션 영상을 제작했다. 제작에 필요한 입력은 단지 4장과 프롬프트뿐이었으며, 별도의 첫 프레임도 필요하지 않았다고 설명한다.

https://x.com/8co28/status/2031089444867191138

#ai #animation #characterdesign #promptengineering #fewshot

852話(hakoniwa) (@8co28) on X

AIで2人の女の子の制服姿と魔法少女姿の立ち絵を作り、その立ち絵をもとにアニメーション動画を制作。 制作に必要だったのは4枚とプロンプトだけ(ファーストフレームも必要なかった)

X (formerly Twitter)

fly51fly (@fly51fly)

FORESTLLM이라는 방법을 제안한 연구로, 대형 언어모델(LLM)을 활용해 랜덤 포레스트의 소샷(few-shot) 표 형식(tabular) 학습 성능을 크게 향상시키는 접근입니다. 논문은 LLM과 전통적 트리 기반 모델의 결합으로 표 데이터에서 적은 샷으로도 성능을 끌어올리는 기법과 실험 결과를 제시합니다. arXiv 공개(2026).

https://x.com/fly51fly/status/2013363378845295029

#forestllm #tabular #fewshot #llm

fly51fly (@fly51fly) on X

[LG] FORESTLLM: Large Language Models Make Random Forest Great on Few-shot Tabular Learning Z Yang, J Wei, X Zhang, H Dong... [National University of Singapore & Zhejiang University & University of British Columbia] (2026) https://t.co/tqL6EVWvJ4

X (formerly Twitter)

ИИ на подъёме: восхождение к пику ожиданий и первые уроки в реальном бизнесе

Где мы все? Судя по классическому циклу зрелости, Large Language Models (LLM) уверенно маршируют к вершине «Пика завышенных ожиданий». Энтузиазм бьёт ключом: каждый день — новые анонсы и инвестиции. Как руководитель отдела инновационных проектов в «Первой Грузовой компании», я вижу этот ажиотаж и сам погружен в изучение потенциала LLM для нашей отрасли. Иллюзия всесильности ИИ сейчас сильна как никогда. Мы сейчас явно находимся на пике завышенных ожиданий.

https://habr.com/ru/companies/pgk/articles/930446/

#ииассистент #ии_и_машинное_обучение #ии #ии_чатбот #ииагенты #rag #llm #бизнеспроцесс #fewshot #oneshot_learning

ИИ на подъёме: восхождение к пику ожиданий и первые уроки в реальном бизнесе

Где мы все? Судя по классическому циклу зрелости, Large Language Models (LLM) уверенно маршируют к вершине «Пика завышенных ожиданий». Энтузиазм бьёт ключом: каждый день — новые анонсы и...

Хабр

Собственный контент-фильтр на базе LLM: от эксперимента до стабильной системы

Привет! Меня зовут Миша Мартьянов, я инженер по исследованиям и разработке в red_mad_robot. Моя работа — искать новые идеи, проверять гипотезы и улучшать продукты. На этом пути иногда приходится изобретать уникальные решения. Например, мы создали собственный фильтр, чтобы отсеивать нежелательный контент с помощью LLM. Рассказываю, как мы к этому пришли и с какими сложностями столкнулись.

https://habr.com/ru/companies/redmadrobot/articles/922680/

#ai #llm #фильтр_контента #fewshotlearning #fewshot #false_positive #filter

Собственный контент-фильтр на базе LLM: от эксперимента до стабильной системы

Привет! Меня зовут Миша Мартьянов, я инженер по исследованиям и разработке в red_mad_robot. Моя работа — искать новые идеи, проверять гипотезы и улучшать продукты. На этом пути иногда приходится...

Хабр
Prompt Like a Pro: How to Master the Language of AI

Welcome to the world of AI, where just like in real life, your words are the magic wand. Prompt engineering is no longer a secret art known only to a few AI sorcerers.

🤖 AI performs better when prompted smarter—not harder.

A new study shows that Few-Shot prompting boosts response speed and achieves up to 96.88% accuracy—beating more complex approaches like Tree-of-Thought.

The trick? Give your model just enough context without overwhelming it.

Which prompting style has worked best for you lately?
Let’s compare notes 👇

📖 Full post on Blue Headline:
https://blueheadline.com/ai-robotics/this-prompting-trick-makes-ai-respond-faster-with-96-accuracy/

#AI #PromptEngineering #Technology #MachineLearning #FewShot #OpenSourceAI

This Prompting Trick Makes AI Respond Faster With 96% Accuracy

Few-Shot prompting boosts AI to 96% accuracy and cuts response time. Discover how this trick outperforms complex methods in real-world multimodal tasks.

Blue Headline

Zero-shot и Few-shot Learning в NLP

Zero-shot Learning (ZSL) - это способность модели выполнять задачи без каких-либо примеров обучения. Она делает это за счёт обобщённых знаний, полученных во время предобучения. Few-shot Learning (FSL) - это метод, при котором модели предоставляется всего несколько примеров (обычно от 1 до 5), чтобы лучше понять структуру задачи.

https://habr.com/ru/articles/897604/

#NLP #Zeroshot #Fewshot #Finetuning #Zeroshot_и_Fewshot_Learning_в_NLP #Zeroshot_или_Fewshot

Zero-shot и Few-shot Learning в NLP

Определения Zero-shot Learning (ZSL) - это способность модели выполнять задачи без каких-либо примеров обучения. Она делает это за счёт обобщённых знаний, полученных во время предобучения. Few-shot...

Хабр

Yesterday at #TPDL2023 David Pride presented “CORE-GPT: Combining Open Access research and large language models for credible, trustworthy question answering”

Rather than #ZeroShot question/answering, Pride’s team combines the #CORE #OpenAccess dataset with #ElasticSearch to create #FewShot prompts that leverage the strength of combining #search results with the #LLM’s (#GPT) #summarization abilities to produce an answer to a user’s question including citations.

Ref: https://doi.org/10.1007/978-3-031-43849-3_13

"Learning to detect an animal sound from five examples" -- New paper from us! https://doi.org/10.1016/j.ecoinf.2023.102258 #bioacoustics #machinelarning #deeplearning #fewshot #acoustics #animalbehaviour
Dramatically, we have a late-entry update for the #DCASE2023 #fewshot challenge, taking the state of the art forward by quite a few percentage points! Updated results: https://dcase.community/challenge2023/task-few-shot-bioacoustic-event-detection-results #bioacoustics #machinelistening
Few-shot Bioacoustic Event Detection - DCASE

Task description More detailed task description can be found in the task description page Systems ranking Rank Submission code Submission name Technical Report Event-based F-score with 95% confidence interval (Evaluation dataset) Event-based F-score (Validation dataset) Baseline_TempMatch_task5_1 Baseline Template Matching 14.9 (14.0 - 15.3) 3.4 …