Видео к статье

Chain-of-thought, self-critique, tree-of-thoughts — видео к статье

Статья сортирует эти техники по тому, для каких задач они реально помогают, а не по тому, что звучит наиболее впечатляюще. Эти видео дают ту же картину с двух сторон: пошаговое построение структурированного, продуманного промпта от Anthropic с нуля и оригинальная статья Tree-of-Thoughts, объяснённая человеком, который понимает стоящий за ней поиск.

Основная рекомендация

24:52
Prompting 101

Anthropic

Два человека из команды Applied AI в Anthropic вживую собирают реальный промпт, послойно добавляя роль, структурированные секции и явные шаги размышления. Это самая авторитетная демонстрация на YouTube «как использовать chain-of-thought, не превращая его в ритуал», и она делает тезис статьи «перестаньте вставлять во всё “Let's think step by step”» конкретным.

Что вынести из этого видео: Вы научитесь послойно добавлять в промпт роль, структурированные секции и явные шаги рассуждения, не превращая chain-of-thought в ритуал.

Открыть страницу видео

Также стоит посмотреть

29:29
Tree of Thoughts: Deliberate Problem Solving with Large Language Models (Full Paper Review)

Yannic Kilcher

Янник проходится по оригинальной статье Tree-of-Thoughts из Princeton/DeepMind — циклу «генерация — оценка — отсечение — откат», почему он поднимает точность на Game of 24 с 4% до 74% и где техника перестаёт быть оправданной при её 10-кратной стоимости в токенах. Полезно ровно тем, что заставляет увидеть ToT как алгоритм поиска, а не как магический префикс к промпту.

Что вынести из этого видео: Поймёте схемы рассуждения вида «генерация — оценка — отсечение» и когда они слишком дороги для реальной работы.

Открыть страницу видео