« Génération augmentée d'information applicative (GAIA) » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
| Ligne 1 : | Ligne 1 : | ||
== Définition == | == Définition == | ||
Méthode d'adaptation, [[peaufinage]] des résultats d'un [[grand modèle de langues]] en encodant les données d’entrée avec des [[ | Méthode d'adaptation, [[peaufinage]] des résultats d'un [[grand modèle de langues]] en encodant les données d’entrée avec des [[vecteur contextuel compact|vecteurs contextuels compacts]] (''embeddings'') du domaine d’application contenues dans une base de données vectorielles. | ||
== Compléments == | == Compléments == | ||
Ici, on ne modifie pas le modèle de langues, mais on ajoute un contexte supplémentaire à la requête permettant au [[grand modèle de langues]] de répondre aux questions avec des informations sur le sujet. | Ici, on ne modifie pas le modèle de langues, mais on ajoute un contexte supplémentaire à la requête permettant au [[grand modèle de langues]] de répondre aux questions avec des informations sur le sujet. | ||
Lorsqu'un utilisateur fait une requête, celle-ci est enrichie à l'aide de [[ | Lorsqu'un utilisateur fait une requête, celle-ci est enrichie à l'aide de [[vecteur contextuel compact|vecteurs contextuels compacts]] similaires retrouvées dans la base de données vectorielles par l'[[Algorithme des k plus proches voisins|algorithme des k plus proches voisins]] ([[métrique de similarité cosinus]]). Une fois que nous avons trouvé des [[vecteur contextuel compact|vecteur contextuel compact]] similaires, nous soumettons une requête avec les données associées pour fournir un contexte permettant au [[grand modèle de langues]] de mieux répondre à la question. | ||
== Français == | == Français == | ||
| Ligne 33 : | Ligne 33 : | ||
[[Catégorie:GRAND LEXIQUE FRANÇAIS]] | [[Catégorie:GRAND LEXIQUE FRANÇAIS]] | ||
[[Catégorie:Publication]] | |||
Version du 18 octobre 2023 à 04:19
Définition
Méthode d'adaptation, peaufinage des résultats d'un grand modèle de langues en encodant les données d’entrée avec des vecteurs contextuels compacts (embeddings) du domaine d’application contenues dans une base de données vectorielles.
Compléments
Ici, on ne modifie pas le modèle de langues, mais on ajoute un contexte supplémentaire à la requête permettant au grand modèle de langues de répondre aux questions avec des informations sur le sujet.
Lorsqu'un utilisateur fait une requête, celle-ci est enrichie à l'aide de vecteurs contextuels compacts similaires retrouvées dans la base de données vectorielles par l'algorithme des k plus proches voisins (métrique de similarité cosinus). Une fois que nous avons trouvé des vecteur contextuel compact similaires, nous soumettons une requête avec les données associées pour fournir un contexte permettant au grand modèle de langues de mieux répondre à la question.
Français
adaptation par enrichissement contextuel
AEC
peaufinage par enrichissement contextuel
PEC
génération augmentée d'information contextuelle
GAIC
enrichissement contextuel
Anglais
retrieval augmented generation
RAG
Contributeurs: Claude Coulombe, Patrick Drouin, wiki
