Обсуждение:Дробное дифференцирование временных рядов

Материал из MachineLearning.

Работа над пятой статьёй стала логичным продолжением моих экспериментов по оптимизации взаимодействия с языковой моделью.

Этап 1: Reference-based Prompting (Промптинг по эталону)

В рефлексии к предыдущей статье я отметила, что мне хотелось бы научить модель понимать мои требования к стилю с полуслова, не прибегая к избыточному микроменеджменту структуры в промпте. Для этого я решила протестировать метод Reference-based Prompting (промптинг на основе эталона).

Вместо детальных инструкций о том, как нужно объяснять материал, я подала модели через теги <style_reference> свою прошлую, уже доведенную до академического идеала статью про сети KAN. Промпт содержал лишь смысловые "якоря":

Роль: Ты специалист в области финансового машинного обучения, профессор и строгий академический энциклопедист. Задача: Написать вики-статью «Дробное дифференцирование временных рядов» (Fractional differentiation). Твоя главная задача — проанализировать текст внутри тегов <style_reference> и в точности перенять его академический, но понятный педагогический стиль, структуру повествования и глубину математических объяснений. <style_reference> [Здесь был вставлен полный текст моей прошлой эталонной статьи про Сеть Колмогорова — Арнольда] </style_reference> Содержание новой статьи: Раскрой тему строго в контексте машинного обучения (по Маркосу Лопесу де Прадо). Тебе нужно самостоятельно выстроить логику объяснения математического аппарата от интуитивного начала до практического конца. Обязательно освети следующие смысловые якоря: - Дилемма «Стационарность против Памяти» в анализе временных рядов. - Математический аппарат (оператор сдвига назад, разложение в биномиальный ряд, затухание весов). - Практическое применение: метод FFD (Fixed-Window Fractional Differentiation) и работа с порогом отсечения. Технические ограничения (MediaWiki): - Абсолютно все одиночные переменные, индексы и математические знаки оберни в теги <tex>...</tex>. - Выключные формулы начинай с двойного двоеточия (::). - В начале статьи вставь: {{well|Статья написана с использованием LLM '''Gemini 3.1 Pro Preview''' и проверена участником ~~~~}}

Рефлексия по этапу: Метод сработал превосходно. Модель считала педагогический ритм эталонной статьи и самостоятельно выстроила правильную структуру: от интуитивной дилеммы к оператору сдвига и завершила практическим применением.

Этап 2: Педагогическая адаптация и точечная редактура

Текст от модели получился фактологически точным, однако первый раздел показался мне недостаточно адаптированным для начинающих специалистов. Модель использовала корректные, но строгие эконометрические термины, не дав им предварительного интуитивного пояснения.

Чтобы снизить порог вхождения, я не стала перегенерировать текст, а провела небольшую точечную ручную редактуру

Этап 3: Борьба с парсером MediaWiki

Финальным этапом стала техническая отладка формул. Для корректного отображения математики пришлось изменить LaTeX-код в статье, заменив неподдерживаемую движком команду на совместимый классический аналог {d \choose k}. Кроме того, были проставлены пропущенные теги <tex> вокруг одиночных переменных в тексте. Polina Khadralinova 14:38, 15 июля 2026 (MSD)