noun
L’affinage de requêtes est une méthode qui permet d’optimiser les modèles de langage en ajustant les prompts (requêtes) plutôt que de modifier le modèle lui-même. Au lieu de retraiter l’ensemble du modèle, les utilisateurs ou développeurs adaptent les prompts pour guider plus précisément les réponses de l’IA.
Cette approche fonctionne en ajoutant ou en ajustant un petit ensemble de paramètres (appelés ‘tokens de requête’) à l’entrée. Ces tokens servent de pont entre la requête initiale et le modèle, permettant des réponses plus contrôlées et cohérentes sans le coût computationnel d’un retraçage complet.
Pour les utilisateurs, l’affinage de requêtes change la façon d’interagir avec les outils d’IA. Il nécessite une formulation minutieuse des requêtes, mais réduit le besoin de mises à jour coûteuses du modèle. Par exemple, un développeur peut utiliser cette technique pour s’assurer qu’un chatbot génère systématiquement des réponses dans un ton spécifique, réduisant ainsi les corrections manuelles.
Un graphiste utilise l'affinage de requêtes pour ajuster un générateur d'images, en ajoutant 'détails extrêmes, éclairage cinématographique' aux prompts pour améliorer les résultats.
Dans les autres langues
Voir aussi : fine-tuning · Transfer Learning