Chroma. Kelly Hong går igenom Chromas forskning om 18 modeller: varför resultat från nålen-i-höstacken-tester är missvisande, hur prestandan försämras av tvetydighet och distraherande information samt varför till och med enkla uppgifter med upprepning av strängar försämras efter 500 token. Videon är kort, evidensbaserad och ger exakt det argument som artikeln behöver för att du ska ta problemet på allvar innan den går vidare till de tekniska åtgärderna.
Modellnamn, priser och funktioner förändras snabbt. Använd videon för beslutsmönstret och kontrollera sedan den aktuella modellens beteende innan du inför lösningen.
Förstå hur lång kontext kan fallera vid tvetydighet och distraherande information och utforma sedan tester kring den risken.
Inga utöver grundläggande LLM-terminologi. Det är ett kort forskningsföredrag.
Senast granskad: 18 maj 2026
Fortsätt längs samma lärstig med nästa kurerade kompletterande video.
18 minuterSe hur godkännandegrindar kan implementeras som uttryckliga kontrollpunkter i arbetsflödet i stället för informell manuell granskning efter att något har gått fel.
4 minuterFörstå varför flerspråkiga embeddings är viktiga för privat intern sökning och var lokal informationshämtning kan minska risken för dataexponering.
17 minuterSkapa ett arbetsflöde med flera kodningsagenter och uttryckliga granskningsgränser så att genererade ändringar förblir små, testade och har en tydlig ansvarig.
Externa kurser som är handplockade och går djupare in i detta ämne.
DeepLearning.AIIsa Fulford · Andrew Ng
Nittio minuter som ger dig intuition motsvarande ett års erfarenhet. Om du har börjat skriva kod som anropar en LLM – eller står i begrepp att göra det – är detta nätets effektivaste kurs för att överbrygga klyftan mellan att ”leka med ChatGPT” och att ”lansera en funktion som anropar en LLM”.
Coursera · Vanderbilt UniversityDr. Jules White
Det akademiska komplementet till DeepLearning.AI:s kortkurs – samma disciplin, längre upplägg och skriven för personer som inte programmerar. Dr. White lär ut promptning som en uppsättning återanvändbara mönster (Ask for Input, Outline Expansion, Fact Check List och Menu Actions) i stället för knep. Efter kursen kommer du att utforma prompter systematiskt i stället för att chansa.
Microsoft LearnMicrosoft Learn
Prompt engineering, but for the tool most office workers will actually touch first. Microsoft's own four-part prompting framework (goal, context, source, expectation) is a genuinely useful mental model, and unlike the generic ChatGPT prompting courses already in our catalog, this one is grounded entirely in Microsoft 365 Copilot's specific quirks and grounding behavior.
