Verbalized Sampling - Historique des versions

Arianne le 23 avril 2026 à 13:31

2026-04-23T13:31:43Z

← Version précédente		Version du 23 avril 2026 à 09:31
Ligne 4 :		Ligne 4 :
	Technique d''''[[ingénierie de requêtes]]''' qui améliore la diversité des '''[[Grand modèles de langues (GML)\|grands modèles de langues (GML)]]''' en demandant à un GML de générer plusieurs réponses avec de leurs probabilités, puis d'effectuer un échantillonnage à partir de cette distribution. Cette technique ne nécessite aucun apprentissage, elle est indépendante du GML et elle est efficace pour tous les types de tâches. De plus, elle améliore les performances sans compromettre la précision '''[[Factualité\|factuelle]]''' ni la sécurité des modèles.		Technique d''''[[ingénierie de requêtes]]''' qui améliore la diversité des '''[[Grand modèles de langues (GML)\|grands modèles de langues (GML)]]''' en demandant à un GML de générer plusieurs réponses avec de leurs probabilités, puis d'effectuer un échantillonnage à partir de cette distribution. Cette technique ne nécessite aucun apprentissage, elle est indépendante du GML et elle est efficace pour tous les types de tâches. De plus, elle améliore les performances sans compromettre la précision '''[[Factualité\|factuelle]]''' ni la sécurité des modèles.

	Voir aussi '''[[~~LLM-as-a-judge~~]]'''		Voir aussi '''[[GML comme juge]]'''

	== Compléments ==		== Compléments ==

Arianne le 17 mars 2026 à 15:00

2026-03-17T15:00:53Z

← Version précédente		Version du 17 mars 2026 à 11:00
Ligne 2 :		Ligne 2 :

	== Définition ==		== Définition ==
	~~<!--~~Technique d''''[[ingénierie de requêtes]]''' qui améliore la diversité des '''[[Grand modèles de langues (GML)\|grands modèles de langues (GML)]]''' en demandant au GML de générer plusieurs réponses ~~accompagnées~~ de leurs probabilités, puis ~~en effectuant~~ un échantillonnage à partir de cette distribution. ~~Elle~~ ne nécessite aucun apprentissage, elle est indépendante du GML et elle est efficace pour tous types de tâches. De plus, elle améliore les performances sans compromettre la précision factuelle ni la sécurité des modèles.~~-->~~		Technique d''''[[ingénierie de requêtes]]''' qui améliore la diversité des '''[[Grand modèles de langues (GML)\|grands modèles de langues (GML)]]''' en demandant à un GML de générer plusieurs réponses avec de leurs probabilités, puis d'effectuer un échantillonnage à partir de cette distribution. Cette technique ne nécessite aucun apprentissage, elle est indépendante du GML et elle est efficace pour tous les types de tâches. De plus, elle améliore les performances sans compromettre la précision '''[[Factualité\|factuelle]]''' ni la sécurité des modèles.

	Voir aussi '''[[LLM-as-a-judge]]'''		Voir aussi '''[[LLM-as-a-judge]]'''

			== Compléments ==
			Cette méthode est orthogonale à la '''[[température]]''' du modèle.

	== Français ==		== Français ==
	''' ~~xxxxx~~ '''		''' Échantillonnage verbalisé '''

	~~== Compléments ==~~		<!--Échantillonnage des requêtes verbalisé?-->
	<!--~~This method is orthogonal to temperature.~~-->

	== Anglais ==		== Anglais ==
Ligne 17 :		Ligne 19 :
	''' VS'''		''' VS'''

	~~<!--~~A prompting strategy that improves LLM diversity by asking the model to generate multiple responses with their probabilities, then sampling from this distribution. It is training free, model agnostic and effective across tasks and it improves performance without sacrificing the models’ factual accuracy or safety.~~-->~~		''A prompting strategy that improves LLM diversity by asking the model to generate multiple responses with their probabilities, then sampling from this distribution. It is training free, model agnostic and effective across tasks and it improves performance without sacrificing the models’ factual accuracy or safety.''

			''This method is orthogonal to temperature.''

	==Sources==		==Sources==

Arianne le 13 mars 2026 à 15:19

2026-03-13T15:19:03Z

← Version précédente		Version du 13 mars 2026 à 11:19
Ligne 2 :		Ligne 2 :

	== Définition ==		== Définition ==
	~~xxxxx~~		<!--Technique d''''[[ingénierie de requêtes]]''' qui améliore la diversité des '''[[Grand modèles de langues (GML)\|grands modèles de langues (GML)]]''' en demandant au GML de générer plusieurs réponses accompagnées de leurs probabilités, puis en effectuant un échantillonnage à partir de cette distribution. Elle ne nécessite aucun apprentissage, elle est indépendante du GML et elle est efficace pour tous types de tâches. De plus, elle améliore les performances sans compromettre la précision factuelle ni la sécurité des modèles.-->

	Voir aussi '''[[LLM-as-a-judge]]'''		Voir aussi '''[[LLM-as-a-judge]]'''

Arianne le 24 février 2026 à 16:02

2026-02-24T16:02:43Z

← Version précédente		Version du 24 février 2026 à 12:02
Ligne 3 :		Ligne 3 :
	== Définition ==		== Définition ==
	xxxxx		xxxxx

			Voir aussi '''[[LLM-as-a-judge]]'''

	== Français ==		== Français ==
	''' xxxxx '''		''' xxxxx '''

			== Compléments ==
			<!--This method is orthogonal to temperature.-->

	== Anglais ==		== Anglais ==
	'''Verbalized Sampling'''		'''Verbalized Sampling'''

	~~How to Mitigate Mode Collapse and Unlock LLM Diversity~~		''' VS'''
	~~https://arxiv.org/abs/2510.01171~~
			<!--A prompting strategy that improves LLM diversity by asking the model to generate multiple responses with their probabilities, then sampling from this distribution. It is training free, model agnostic and effective across tasks and it improves performance without sacrificing the models’ factual accuracy or safety.-->
	A ~~training-free~~ prompting strategy to ~~mitigate mode collapse in LLMs by requesting~~ responses with probabilities. ~~Achieves 2-3x diversity improvement while maintaining quality. Model-~~agnostic ~~framework with CLI/API for creative writing, synthetic data generation,~~ and ~~dialogue simulation~~.

	==Sources==		==Sources==
	[https://~~github~~.~~com~~/~~CHATS-lab~~/~~verbalized-sampling Sources~~ : ~~github~~]		[https://arxiv.org/abs/2510.01171 Source : arxiv]


			[https://github.com/CHATS-lab/verbalized-sampling Source : GitHub]

			[https://www.verbalized-sampling.com/ Source : Verbalized Sampling]


	[[Catégorie:vocabulary]]		[[Catégorie:vocabulary]]

Pitpitt : Page créée avec « == EN CONSTRUCTION == == Définition == xxxxx == Français == ''' xxxxx ''' == Anglais == '''Verbalized Sampling''' How to Mitigate Mode Collapse and Unlock LLM Diversity https://arxiv.org/abs/2510.01171 A training-free prompting strategy to mitigate mode collapse in LLMs by requesting responses with probabilities. Achieves 2-3x diversity improvement while maintaining quality. Model-agnostic framework with CLI/API for creative writing, synthetic data gen... »

2025-10-28T00:52:31Z

Page créée avec « == EN CONSTRUCTION == == Définition == xxxxx == Français == ''' xxxxx ''' == Anglais == '''Verbalized Sampling''' How to Mitigate Mode Collapse and Unlock LLM Diversity https://arxiv.org/abs/2510.01171 A training-free prompting strategy to mitigate mode collapse in LLMs by requesting responses with probabilities. Achieves 2-3x diversity improvement while maintaining quality. Model-agnostic framework with CLI/API for creative writing, synthetic data gen... »

Nouvelle page

== EN CONSTRUCTION ==

== Définition ==
xxxxx

== Français ==
''' xxxxx '''

== Anglais ==
'''Verbalized Sampling'''

How to Mitigate Mode Collapse and Unlock LLM Diversity
https://arxiv.org/abs/2510.01171

A training-free prompting strategy to mitigate mode collapse in LLMs by requesting responses with probabilities. Achieves 2-3x diversity improvement while maintaining quality. Model-agnostic framework with CLI/API for creative writing, synthetic data generation, and dialogue simulation.

==Sources==
[https://github.com/CHATS-lab/verbalized-sampling Sources : github]

[[Catégorie:vocabulary]]