« Requête explicite d'échantillonnage » : différence entre les versions


Aucun résumé des modifications
Aucun résumé des modifications
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 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 réponses d'un '''[[Grand modèles de langues (GML)|grand modèle de langues (GML)]]''' en demandant explicitement de générer plusieurs réponses avec leurs probabilités, puis d'effectuer un échantillonnage dans cette [[distribution|distribution statistique]].  


Voir aussi '''[[GML comme juge]]'''
Voir aussi '''[[GML comme juge]]'''
== Compléments ==
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.


== Compléments ==
== Compléments ==
Ligne 28 : Ligne 31 :
[https://www.verbalized-sampling.com/  Source : Verbalized Sampling]
[https://www.verbalized-sampling.com/  Source : Verbalized Sampling]


[[Catégorie:vocabulary]]


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

Version du 28 avril 2026 à 15:12

EN CONSTRUCTION

Définition

Technique d'ingénierie de requêtes qui améliore la diversité des réponses d'un grand modèle de langues (GML) en demandant explicitement de générer plusieurs réponses avec leurs probabilités, puis d'effectuer un échantillonnage dans cette distribution statistique.

Voir aussi GML comme juge

Compléments

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 factuelle ni la sécurité des modèles.

Compléments

Cette méthode est orthogonale à la température du modèle.

Français

Échantillonnage verbalisé

Anglais

Verbalized Sampling

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.

This method is orthogonal to temperature.

Sources

Source : arxiv

Source : GitHub

Source : Verbalized Sampling

Contributeurs: Arianne Arel, Claude Coulombe, wiki