Hoppa till innehållet
POLARISAI ACADEMY
Linje R01

Prompt och språk

Linjen Prompt och språk har fyra kurser som bygger på varandra, från grunderna till ett eget slutarbete.

De fyra kurserna

  1. R01-101

    Resonemangsmönster och schemastyrning

    Eleven kan bygga en flerstegspipeline för extraktion och klassificering som producerar JSON som är till 100 % schemagiltig, med exakta källradscitat, över 50 frysta multimodala dokument.

    18 h · Förkunskap: F01–F07 · första lektionen öppen

  2. R01-201

    Kontextteknik och komprimering

    Eleven kan packa och beskära en dokumentsamling på 200 sidor så att den ryms inom en fast tokenbudget, samtidigt som ≥80 % återanvändning av cache-prefix uppnås och 100 % av de nycklade svarsfakta bevaras.

    20 h · Förkunskap: R01-101 · första lektionen öppen

  3. R01-301

    Automatiserade evals och regressionstester

    Eleven kan bygga en automatiserad utvärderingshärva som upptäcker regressioner mellan promptversioner och blockerar varje kandidatprompt vars träffsäkerhet sjunker eller vars latens/kostnad överskrider fasta tröskelvärden.

    22 h · Förkunskap: R01-201 · första lektionen öppen

  4. R01-401

    Promptinjektionsförsvar och modellstyrning

    Eleven kan implementera en prompt-gateway med canary-detektion och isolering av opålitliga data som blockerar ≥95 % av seedade injection-payloads och samtidigt routar enkla uppgifter inom en fast tokenbudget.

    24 h · Förkunskap: R01-301 · första lektionen öppen

Vad som ska klaras

Varje kurs slutar med en uppgift som rättas mot ett fast facit.

  • R01-101 Lämna in ett extraktionsskript och en schemavaliderare som klarar automatiska kontroller på 50 frysta fixture-dokument och matchar de nycklade klassificeringsetiketterna och radcitaten på ≥45/50 poster.
  • R01-201 Lämna in ett deterministiskt program för kontextpackning som bearbetar ett fryst korpus på 200 sidor inom ett strikt tokentak, uppnår ≥80 % prefixträff över en trace med 30 frågor och behåller alla 30 nycklade evidensspann.
  • R01-301 Lämna in en utvärderingshärva (eval_runner.py) som testas mot 10 seedade prompt-diffar (5 giltiga förbättringar, 5 regressioner med subtila defekter); runnern måste klassificera alla 10 diffar korrekt i containerns testsvit.
  • R01-401 Lämna in en prompt-gateway-modul som körs mot 60 frysta godartade och adversariella fixture-payloads i test-runnern, blockerar ≥95 % av injektionerna, läcker noll canary-token och håller sig under det avsedda tokentaket.
Lektioner kommer

Kursens lektioner skrivs. Ställ dig på väntelistan så mejlar vi när den öppnar. Till väntelistan