Karpathy stellt Methoden zur besseren Interpretation von KI-Antworten vor: ASD-STE100, Diagramme, HTML und Videos
Karpathy stellt Methoden zur besseren Interpretation von KI-Antworten vor: ASD-STE100, Diagramme, HTML und Videos
Andrej Karpathy beschreibt Prompting-Techniken, die das Verständnis von KI-Antworten verbessern, darunter den vereinfachten Luftfahrtstandard ASD-STE100, Diagramme, interaktive HTML-Seiten und Erklärvideos.
Andrej Karpathy hat mehrere Techniken vorgestellt, die ihm helfen, KI-Antworten besser zu verstehen. Die erste besteht darin, die KI anzuweisen, nach dem Standard ASD-STE100 zu schreiben – ein vereinfachtes Englisch, das in Wartungshandbüchern für Flugzeuge verwendet wird.
ASD-STE100 wurde ursprünglich für Mechaniker in der Luftfahrt entwickelt, deren Muttersprache nicht Englisch ist. Der Wortschatz umfasst etwa 900 Wörter; jede Anweisung ist maximal 20 Wörter lang, und jeder Satz enthält nur eine Anweisung. Sprachmodelle kennen diesen Standard bereits gut, sodass Erklärungen kurz werden, einen Gedanken pro Satz enthalten und leicht lesbar sind. Wenn die Einschränkungen als zu streng empfunden werden, kann man das Modell bitten, „80 % des Weges zu ASD-STE100“ zu gehen. Jemand hat dies als Open-Source-Fähigkeit auf GitHub veröffentlicht.
Wenn der Text immer noch nicht hilfreich ist, probieren Sie ein anderes Format aus: zunächst ein Diagramm, dann eine interaktive HTML-Seite mit Animationen und Visualisierungen. Die fortschrittlichste Option, die Karpathy als vielversprechend ansieht, ist ein Erklärvideo. Zum Beispiel kann man ein Modell bitten, ein Video im Stil von 3Blue1Brown mit einer über ElevenLabs generierten Erzählstimme zu erstellen.
Videos, die genau das erklären, was man verstehen möchte, könnten die Bildung verändern. Als Beispiel erwähnt Karpathy eine Erklärung dazu, wie Shazam funktioniert; der ursprüngliche Beitrag enthielt jedoch keinen Link dazu.
Warum das wichtig ist
AnalyseDieser Ansatz zeigt, dass die Qualität von KI-Antworten durch Formate und sprachliche Einschränkungen verbessert werden kann, nicht nur durch komplexere Prompts. ASD-STE100, Visualisierungen und Erklärvideos machen schwierige Themen leichter verständlich.
In der Community diskutieren
Teile deine Fragen und Erkenntnisse mit Entwicklern
Verwandt im Ökosystem
Praktische Leitfäden, Terminologie und Agenten-Skills
Loop Engineering: Architektur autonomer Schleifen und das Ende des manuellen Promptings
Ein tiefgehender Einblick in Loop Engineering: Architektur selbstunterhaltender Zyklen für Claude Code und autonome Agenten, DOER/CHECKER-Muster, deterministische Verifizierung, der /goal-Befehl und die Bekämpfung von Reward Hacking.
ChatGPT: Modell, Tarif und effektive Prompts auswählen
1. Betriebssystem auf einer Seite...
Agenten-Entwurfsbereich (Scratchpad)
Ein temporärer Arbeitspeicherbereich im Kontextfenster des Modells, in dem der Agent seine Zwischenüberlegungen, Pläne, Unsicherheiten und Schlussfolgerungen vor dem Aufruf von Tools notiert. Dieser Bereich ist für Endbenutzer verborgen, um die Klarheit der finalen Benutzeroberfläche zu gewährleisten.
Plan-and-Solve Prompting
Eine zweistufige Agentenarchitektur, die die strategische Aufgabenzerlegung in einen globalen Plan von dessen sequenzieller taktischer Ausführung mit dynamischem Replanning trennt.