LLM переизобрели телеграфный стиль: экономия до 49% токенов без потери точности
Write Like It's 1866: LLMs Relearn Telegraphese
Бенчмарк на 50 отрывках и ~1300 вопросах показал: если попросить модель писать в стиле cablese — телеграфного стиля 1866 года, — точность ответов не падает, а иногда даже растёт (recovery ratio 0.99–1.10). Экономия токенов достигает 48.9% у qwen3.8-27b и 40.4% у gemma-4-31b. Метод не требует обучения или изменения API — достаточно одной инструкции. Исключение — модели с обязательным reasoning, такие как gpt-5-mini, где сжатие удваивает счёт.
«Дорогая половина каждого счёта за LLM — это опциональные накладные расходы для текста, потребляемого машинами».
- OtherShrezzing
Эта страница (что несколько иронично) настолько перегружена речью в стиле Claude, что в этом шуме трудно найти информацию. Но когда проберёшься через всё это, видишь следующие факты:
>Что измеряет тест: Модели даётся отрывок и фиксированный набор вопросов с короткими, проверяемыми ответами — дата, имя, число.
Итак, модели даётся контент, особенно хорошо поддающийся сжатию, и её просят воспроизвести его при определённых ограничениях, например...
>Почему baseline с открытым текстом не даёт 100%? Ответы на вопросы по несжатому отрывку в открытом тексте дают ~91%.... правильный ответ, сформулированный иначе, засчитывается как [неудача]
Модели могут (и делают) давать объективно правильные ответы, но их штрафуют за отсутствие некоего всезнающего знания о предпочтениях разработчика в формулировках.
Если это явление эмерджентно в моделях, этот бенчмарк ни в каком значимом смысле не доказывает его наличие.
- Solomet
Новейший признак письма LLM: Концепции описываются терминами, обычно более подходящими для физических объектов.
> Лаборатория, которая подавляет это в передовой модели, просто перемещает преимущество к открытым моделям, которые всё ещё _несут_ это
> они не несут никакого сигнала о том, что лучше
> где ваша рабочая нагрузка _сидит_ на этом фронтире, должно определять выбор точки
> и ни одна модель не _сидит_ в судейском кресле
> каждое соотношение _сидит_ в диапазоне 0.99–1.10
Множество других примеров "сидит"
> Каждое сравнение в этом посте "держит" вопросы
Я часто вижу это в своей недавней работе с LLM, и это довольно раздражает. Ещё более раздражает то, как часто он без необходимости использует малосигнальные термины. Эти термины "физических объектов" — один из примеров, но иногда действительно кажется, что он "сохраняет усилия", выбирая менее описательный термин, потому что тот "подходит"
Я также ловил его на замене описательных терминов более расплывчатыми без какой-либо видимой причины, кроме лени.
"Минимизируй неоднозначность" — моя основная инструкция в последнее время, когда агент дрейфует обратно к расплывчатым терминам и недостатку конкретики.
- bilater
На самом деле, я думаю, урок из этой статьи в том, что многие из этих маленьких хаков, которые мы делаем вокруг сжатия контекста, AGENTS.md, системных руководств и других харнессных способов экономии токенов, довольно быстро исчезнут, точно так же как все трюки эпохи телеграфа исчезли, когда связь стала достаточно дешёвой, чтобы было проще просто говорить на простом языке.
- netsharc
Cablese/Telegraphese интереснее, чем использование в LLM. Погуглил в DuckDuckGo "paromella":
https://en.wikipedia.org/wiki/Commercial_code_(communication...
Некоторые коды показались мне интересными:
> INSANE - по какой цене, FOB и с фрахтом, вы можете предложить нам хлопок для отправки пароходом, отплывающим на этой неделе?
> COGNOSCO - ужинаю сегодня вечером, пришлите мою парадную одежду сюда
Полезное кодовое слово!
> ANNOSUS — Вчера в заключении, близнецы, оба мертвы, мать не ожидается, что выживет
Как часто это использовалось??
- z2
Из недавних разговоров с ChatGPT (GPT5.6), где я иногда видел утечки рассуждений в UI, ясно, что нечто подобное уже реализовано, и я предполагаю, что это большинство недавних заявлений о меньшем использовании токенов. Не уверен, конечно, буквально ли они промптят на cablese.
"Нужно проверить вывод против пред. Запустил скрипт, результаты в порядке, нужно подготовить следующий шаг. Готов? Поехали."