Ваше уникальное случайное число - 89 Тема: Blue-Green Deployment

↑ ↑ ↑ ↑ 📝 Выбранная тема

Сравнение LLM: Анализ качества описаний технических концепций

Создайте новую ветку репозитория, обновите странницу, вверху должна появиться тема.

Ваша задача отредактировать файл README.md чтобы корректно и добросовестно пройти автопроверку:

• вам необходимо заполнить [места для заполенения] и пустые ячейки таблицы (в итоговом файле не должно быть [])
• после этого создать Запрос на слияние в ветку master
• если проверка будет формально пройдена, но содержания не будет - задание считается незасчитанным
• всего можно получить до 10 баллов БРС в Практику

👤 Информация о студенте

• ФИО: [Пульников Артём Алексеевич]
• Группа: [РИ-150911]
• Дата: [21.10.25]

📋 Описание задания

Проект посвящен сравнительному анализу качества описаний технических концепций, генерируемых различными языковыми моделями (LLM).

Цель — изучить сильные и слабые стороны каждой модели, оценить их способность объяснять сложные технические темы.

🤖 Протестированные модели

Укажите, какие модели вы использовали (минимум 3):

• [ _ ] GigaChat (укажите версию: Lite/Pro/Max)
• [ _ ] YandexGPT (укажите версию)
• [ _ ] ChatGPT (укажите версию: 3.5/4/4o)
• [ _ ] Claude (укажите версию)
• [ _ ] Llama (укажите версию)
• [DeepSeek-V3.2] Deepseek (укажите версию)
• [Qwen3] Qwen (укажите версию)
• [GPT-4] Perplexity (укажите версию)
• [ _ ] Другая модель: _____________

🎯 Промпт для тестирования

Опиши концепцию "[ТЕМА]" для студента IT-специальности. 
Объяснение должно быть:
- Понятным для человека с базовыми знаниями программирования
- Структурированным (с подзаголовками при необходимости)
- Содержать практический пример
- Объем: 200-300 слов

Примечание: Вы можете адаптировать промпт под свои задачи, но базовая структура должна быть одинаковой для всех моделей.

📈 Сравнительный анализ

Сводная таблица оценок (методология оценки тут)

Количественные метрики

Обнаруженные "галлюцинации" или ошибки

DeepSeek: [нету]

Perplexity: [нету]

Qwen: [нету]

🏆 Выводы

Лучшая модель для данной задачи

Победитель: [Qwen]

Обоснование: [Больше возможностей, более структурированная информация]

💡 Личные выводы

[Удивился, что в бесплатной неёросети Qwen есть столько разных заданий для запроса]

🎓 Рефлексия

Планы по дальнейшему использованию LLM

[Каждый день использую LLM и буду использовать дальше]

Методология оценки

Критерии оценки (1-5 баллов)

Понятность (1-5)

• 1: Непонятно, слишком сложные термины без объяснений
• 2: Понятно частично, много сложных моментов
• 3: В целом понятно, но есть нюансы
• 4: Хорошо объяснено, легко читается
• 5: Отлично, понятно даже новичку

Структурированность (1-5)

• 1: Хаотичное изложение без структуры
• 2: Слабая структура, сложно следить
• 3: Есть базовая структура
• 4: Хорошо структурировано, логичные переходы
• 5: Идеальная структура, каждая часть на своём месте

Полнота (1-5)

• 1: Очень поверхностно, не раскрыта тема
• 2: Не хватает важных деталей
• 3: Основное покрыто, но не хватает глубины
• 4: Достаточно полное описание
• 5: Исчерпывающее объяснение всех аспектов

Точность (1-5)

• 1: Много ошибок или неточностей
• 2: Есть значимые ошибки
• 3: В целом верно, но есть неточности
• 4: Точно, минимум неточностей
• 5: Полностью точное описание без ошибок

Практичность примера (1-5)

• 1: Нет примера или он бесполезен
• 2: Пример есть, но не помогает понять
• 3: Базовый пример, частично полезен
• 4: Хороший практический пример
• 5: Отличный пример, полностью иллюстрирует концепцию