Karpathy propõe adaptar o formato de resposta dos LLMs à tarefa específica

Andrej Karpathy sugere que texto simples nem sempre é a melhor interface para interagir com modelos de linguagem, defendendo formatos como diagramas, HTML e vídeos.
Andrej Karpathy retornou com uma nova ideia: o texto simples nem sempre é a melhor interface para interagir com grandes modelos de linguagem.
Em seu post, ele sugeriu pedir aos modelos que respondam no formato que melhor se adequa à tarefa:
- Explicações em texto: use ASD-STE100, um padrão de inglês controlado desenvolvido originalmente para documentação técnica na aviação. Seu vocabulário limitado e estrutura de frases tornam as respostas mais claras; Karpathy às vezes pede ao modelo para seguir o padrão "cerca de 80%" para que o texto não se torne um manual árido.
- Visuais em vez de longos textos: peça um diagrama ou imagem.
- Páginas interativas: para tópicos mais complexos, gere uma página HTML com visualizações e animações.
- Vídeos únicos: o próximo passo que Karpathy vê como especialmente promissor é um vídeo explicativo para uma pergunta específica, por exemplo, no estilo 3Blue1Brown com narração através do ElevenLabs.
A ideia é mais ampla do que prompts específicos: se a geração de código e conteúdo se tornar barata o suficiente, uma única pergunta pode justificar a criação de um mini-app descartável, visualização ou vídeo que antes não fazia sentido econômico. Segundo Karpathy, à medida que os modelos se tornam mais autônomos, entender e supervisionar seu trabalho ocupará uma parcela crescente do tempo de uma pessoa.
Por que isso importa
AnáliseIsso é importante porque desloca o foco da redação do prompt para o formato da resposta, o que pode melhorar a clareza e reduzir o tempo gasto interpretando a saída do modelo.
Debater na comunidade
Compartilhe suas dúvidas e insights com desenvolvedores
Relacionado no ecossistema
Guias práticos, terminologia essencial e skills de agentes
Formatos DOCX e XLSX: quando é necessário um documento final completo gerado por IA
Guia prático completo para geração e processamento de documentos DOCX e planilhas XLSX com IA: comparação com Markdown e CSV, engenharia de prompts, trabalho com fórmulas e automação em código.
Formato CSV: Guia completo para automação e trabalho com IA
Guia prático sobre o uso do formato CSV em pipelines de IA: especificação RFC 4180, comparação com XLSX e JSON, limpeza e enriquecimento massivo de dados, codificação em Python e prompts prontos.
Qwen-4 Max é lançado oficialmente: modelo para agentes e tarefas de longo prazo
O Qwen-4 Max é posicionado como modelo para tarefas agênticas e de longo prazo, com menor uso de tokens e custo reduzido em comparação ao Qwen-3.8.
Qwen4-Max já está disponível: 50% menos tokens e custo menor por tarefa
Qwen4-Max chega com arquitetura MoE, contexto de 1 milhão de tokens, suporte integrado a imagens e redução significativa de custos.