"ГЛУПАЯ НЕЙРОНКА - Часть 2. 4. Латиница переигрывает кириллицу по частоте. Ё, Й, Щ, Ю - это редкие, «неанглийские» случаи. В открытых данных полно постеров A‑Z, но мало надёжных плакатов А‑Я. Поэтому видим «Йорк» → «Иогк», «Ёж» путается с «Е», «Щука» заменяется более частотной «Чайкой/Уткой». При рисовании заглавий клеток сеть чаще выбирает знакомые латинские формы (R, T, C), особенно если шрифт геометрический и формы похожи на кириллические Р, Т, С. 5. Почему тогда у NotebookLM получается генерировать инфографику? Дело в том, что NLM, как и новая Nano Banana, работает не как генератор изображений, а как семантический компоновщик: читает входные данные, понимает структуру логически, строит визуальный план, использует механизмы презентационной вёрстки, выводит инфографику как SVG/layout/shapes. Это оркестратор, который может автоматически менять масштаб, количество шагов, seed, влияние текста стиль и прочее. Мы этого не видим, но это происходит. 6. Что сработало для oneshot-промпта? ▶️Я использовал JSON, где задал стабильную структуру, описав все соответствия в виде фиксированной матрицы. ▶️Отказался от идеи, что модель исполнит алгоритм, поймет свои ошибки и что-то исправит. ▶️Сделал аккуратный мапинг каждого поля как маленькой независимой задачи. ▶️Предусмотрел все ситуации, когда нейронку может ""повести"" не туда. В итоге на конфигурацию промпта ушло порядка 8 часов, хотя мог бы собрать азбуку руками за 15 минут. Но я ни о чем не жалею🤓 Текста для получения ""идеального"" результата я выложил в комментариях."