[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-chain-of-verification::ru":3,"gloss-cluster-chain-of-verification::ru":23,"gloss-next-chain-of-verification::ru":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"chain-of-verification","prompt-eng","Chain-of-Verification","Chain-of-Verification (CoVe, «цепочка проверки») — приём против галлюцинаций: модель составляет черновик ответа, затем генерирует набор независимых проверочных вопросов к утверждениям из черновика, отвечает на каждый по отдельности (не оглядываясь на черновик) и в конце выдаёт исправленный ответ, снимающий противоречия. Идея метода (Meta AI, Dhuliawala et al., 2023) в том, что модели часто лучше проверяют отдельный факт в изоляции, чем безошибочно выдают всё за один уверенный проход. Для SaaS-команд, выпускающих что-либо чувствительное к фактам — сводки по данным пользователя, исследовательские ассистенты, ответы поддержки, — CoVe это структурированная самопроверка, которая ловит выдуманные детали до того, как они дойдут до пользователя. Плата — несколько дополнительных вызовов модели на ответ, поэтому приём лучше приберечь для ответственных выводов, а не для каждого запроса. Он снижает, но не устраняет галлюцинации — проверочные ответы тоже бывают ошибочны, — так что для строгих гарантий точности сочетайте его с retrieval по доверенному источнику и проверкой человеком.","Chain-of-Verification снижает галлюцинации: модель делает черновик, генерирует проверочные вопросы к своим утверждениям, отвечает на них слепо и правит.",null,[11,14,17,20],{"slug":12,"name":13},"grounding","Обоснование (Grounding)",{"slug":15,"name":16},"hallucination","Галлюцинация",{"slug":18,"name":19},"llm-as-judge","LLM в роли судьи (LLM-as-Judge)",{"slug":21,"name":22},"self-refine","Self-Refine",[24,28,31,34,38,41,44,47,50,53,56,59],{"slug":25,"category":5,"name":26,"updated_at":27},"analogical-prompting","Analogical Prompting","2026-08-24T02:46:37+00:00",{"slug":29,"category":5,"name":30,"updated_at":27},"automatic-prompt-optimization","Автоматическая оптимизация промптов",{"slug":32,"category":5,"name":33,"updated_at":27},"chain-of-density","Цепочка плотности (CoD)",{"slug":35,"category":5,"name":36,"updated_at":37},"chain-of-thought-prompting","Chain-of-thought-промптинг (промптинг с цепочкой рассуждений)","2026-08-24T02:46:36+00:00",{"slug":39,"category":5,"name":40,"updated_at":37},"chunking","Чанкинг (Chunking)",{"slug":42,"category":5,"name":43,"updated_at":37},"constrained-decoding","Ограниченное декодирование (Constrained Decoding)",{"slug":45,"category":5,"name":46,"updated_at":37},"context-stuffing","Переполнение контекста (Context Stuffing)",{"slug":48,"category":5,"name":49,"updated_at":37},"delimiter","Разделитель (Delimiter)",{"slug":51,"category":5,"name":52,"updated_at":27},"directional-stimulus-prompting","Directional Stimulus Prompting",{"slug":54,"category":5,"name":55,"updated_at":27},"emotion-prompting","Emotion Prompting",{"slug":57,"category":5,"name":58,"updated_at":37},"few-shot-prompting","Few-shot-промптинг (промптинг с примерами)",{"slug":60,"category":5,"name":61,"updated_at":27},"generated-knowledge-prompting","Generated Knowledge Prompting"]