Обсуждение:Слепые зоны выборки

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Новая: == Этап 1: Создание статьи == Напиши учебно-энциклопедическую статью для machinelearning.ru в формате MediaWiki на те...)
 
(3 промежуточные версии не показаны)
Строка 1: Строка 1:
-
== Этап 1: Создание статьи ==
+
Работа над статьёй велась последовательно: сначала была собрана основа статьи, затем текст был отдельно отредактирован и подготовлен к публикации.
-
Напиши учебно-энциклопедическую статью для machinelearning.ru в формате MediaWiki на тему «Слепые зоны выборки». Нужно объяснить тему понятно для новичка, но достаточно глубоко для студентов и специалистов по ML, анализу данных и прикладной математике.
+
Этап 1: постановка задачи и создание структуры статьи. Содержание запроса:
-
Начни с определения и живого примера, затем раскрой терминологию, контекст исследований, математическую постановку, виды слепых зон, причины, методы обнаружения, способы уменьшения риска, практический протокол, ограничения, типичные ошибки, современные исследования и значение темы для науки и практики.
+
{| style="width:90%; margin:1em auto; border:1px solid #c8c8a0; background:#ffffee;"
 +
| style="width:55px; text-align:center; font-size:32px; vertical-align:top; padding:12px;" | ✔
 +
| style="padding:12px; vertical-align:top;" |
 +
Нужно написать учебно-энциклопедическую статью для machinelearning.ru в формате MediaWiki на тему «Слепые зоны выборки». Статья должна быть понятной новичку, но достаточно глубокой для студентов и специалистов по машинному обучению, анализу данных и прикладной математике.
-
Используй чистую MediaWiki-разметку без Markdown. Формулы пиши только в <tex>...</tex>, важные термины оформляй как внутренние ссылки, тезисы подкрепляй реальными научными источниками через <ref>...</ref>. В конце добавь «См. также», «Примечания», «Литературу», «Ссылки» и категории. Выдай сразу готовый код статьи.
+
В начале нужно дать определение и простой пример, где модель показывает хорошую среднюю точность, но ошибается на редкой группе. Дальше нужно раскрыть терминологию, исследовательский контекст, математическую постановку, виды слепых зон, причины их появления, методы обнаружения, способы уменьшения риска, практический протокол, ограничения, типичные ошибки, современные исследования и значение темы для науки и практики.
-
== Этап 2: Доработка перед публикацией ==
+
Оформление должно быть в чистой MediaWiki-разметке. Формулы нужно оформить в математических тегах, важные термины — как внутренние wiki-ссылки, а основные тезисы — подкрепить реальными научными источниками. В конце статьи нужно добавить разделы «См. также», «Примечания», «Литература», «Ссылки» и категории.
 +
|}
-
Доработай статью «Слепые зоны выборки» до публикационного состояния. Проверь и исправь MediaWiki-разметку: таблицы, внешние ссылки, сноски, <references /> и категории. Убери Markdown, повторы и слишком длинные места.
+
Этап 2: редактура и доведение статьи до публикации. Содержание запроса:
-
Сделай начало более интересным: покажи кейс, где модель имеет высокую среднюю точность, но ошибается на редкой группе. Стиль сделай более экспертным и живым, без ощущения машинного текста. Добавь несколько свежих источников 2024–2026 по LLM, foundation models, robustness и evaluation.
+
{| style="width:90%; margin:1em auto; border:1px solid #c8c8a0; background:#ffffee;"
 +
| style="width:55px; text-align:center; font-size:32px; vertical-align:top; padding:12px;" | ✔
 +
| style="padding:12px; vertical-align:top;" |
 +
Основной текст статьи готов, но его нужно довести до публикационного состояния. Проверь и исправь MediaWiki-разметку: таблицы, внешние ссылки, сноски, раздел примечаний и категории. Убери Markdown, повторы и слишком длинные фрагменты.
-
Проверь, что все именованные сноски сначала заданы полностью, а потом используются как <ref name="..." />. В ответе выдай только чистый MediaWiki-код, готовый к публикации.
+
Сделай начало более живым и понятным: оставь пример с высокой средней точностью и провалом на редкой группе. Стиль выровняй так, чтобы текст выглядел экспертным, но не слишком сухим. Добавь несколько свежих источников последних лет по LLM, foundation models, robustness и evaluation.
 +
 
 +
Отдельно проверь, что сноски оформлены корректно, а повторные сноски не ломают страницу. В ответе нужен только чистый MediaWiki-код, готовый для вставки на страницу.
 +
|}
 +
 
 +
Итоговый принцип работы: первый запрос задавал тему, структуру и требования к статье, а второй использовался как редакторская проверка перед публикацией. Такой подход помог отдельно проконтролировать качество текста, стиль, таблицы, ссылки, источники и сноски.

Текущая версия

Работа над статьёй велась последовательно: сначала была собрана основа статьи, затем текст был отдельно отредактирован и подготовлен к публикации.

Этап 1: постановка задачи и создание структуры статьи. Содержание запроса:

Нужно написать учебно-энциклопедическую статью для machinelearning.ru в формате MediaWiki на тему «Слепые зоны выборки». Статья должна быть понятной новичку, но достаточно глубокой для студентов и специалистов по машинному обучению, анализу данных и прикладной математике.

В начале нужно дать определение и простой пример, где модель показывает хорошую среднюю точность, но ошибается на редкой группе. Дальше нужно раскрыть терминологию, исследовательский контекст, математическую постановку, виды слепых зон, причины их появления, методы обнаружения, способы уменьшения риска, практический протокол, ограничения, типичные ошибки, современные исследования и значение темы для науки и практики.

Оформление должно быть в чистой MediaWiki-разметке. Формулы нужно оформить в математических тегах, важные термины — как внутренние wiki-ссылки, а основные тезисы — подкрепить реальными научными источниками. В конце статьи нужно добавить разделы «См. также», «Примечания», «Литература», «Ссылки» и категории.

Этап 2: редактура и доведение статьи до публикации. Содержание запроса:

Основной текст статьи готов, но его нужно довести до публикационного состояния. Проверь и исправь MediaWiki-разметку: таблицы, внешние ссылки, сноски, раздел примечаний и категории. Убери Markdown, повторы и слишком длинные фрагменты.

Сделай начало более живым и понятным: оставь пример с высокой средней точностью и провалом на редкой группе. Стиль выровняй так, чтобы текст выглядел экспертным, но не слишком сухим. Добавь несколько свежих источников последних лет по LLM, foundation models, robustness и evaluation.

Отдельно проверь, что сноски оформлены корректно, а повторные сноски не ломают страницу. В ответе нужен только чистый MediaWiki-код, готовый для вставки на страницу.

Итоговый принцип работы: первый запрос задавал тему, структуру и требования к статье, а второй использовался как редакторская проверка перед публикацией. Такой подход помог отдельно проконтролировать качество текста, стиль, таблицы, ссылки, источники и сноски.

Личные инструменты