Зачем показывать модели не-примеры, если примеры работают

6 октября 2026

Положительные примеры (few-shot) давно известны как эффективный способ направить модель. Однако добавление отрицательных примеров — демонстрация того, что не надо делать — обострит границы между правильным и неправильным решением.

Механизм работает на уровне контраста: модель видит, что именно отличает хороший результат от плохого, и легче учится различать нюансы. Особенно это помогает для задач, где ошибки тонкие и легко упустить суть правила.

Когда это особенно полезно

Для стилистических задач отрицательные примеры критичны: если нужен текст в определённом тоне, показ контрпримера в неправильном тоне делает инструкцию вдвое эффективнее. Модель не просто копирует стиль, а понимает, что именно его характеризует.

Это также помогает при классификации и выборе между похожими вариантами. Если модель должна отличить один тип ответа от другого, пара положительный–отрицательный пример дает информацию эффективнее, чем два положительных.

Рекомендация: если основные примеры не дают стабильный результат, добавьте один-два контрпримера с пояснением, почему они неправильны. Часто это решает проблему быстрее, чем расширение набора положительных примеров.