« DSPy » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
Ligne 2 : | Ligne 2 : | ||
== Définition == | == Définition == | ||
DSPy est un cadre d'applications qui utilise la programmation déclarative pour optimiser algorithmiquement les requêtes et le '''[[poids]]''', en particulier lorsque les modèles de langue sont utilisés une ou plusieurs fois dans un '''[[pipeline]]'''. | |||
Voir aussi '''[[modèle de langue]]''' et '''[[requête en langue naturelle]]''' | |||
== Français == | == Français == | ||
''' | ''' DSPy ''' | ||
== Anglais == | == Anglais == | ||
''' | ''' DSPy''' | ||
''' | ''' Declarative Self-improving language Programs pythonically''' | ||
''The Declarative Self-improving language Programs pythonically (DSPy) is a framework that uses the declarative programming paradigm for algorithmically optimizing prompts and weight, especially when Language Models are use one or more times with a pipeline.'' | |||
== Source == | == Source == | ||
[https:// | [https://github.com/stanfordnlp/dspy Source : github] | ||
[https://medium.com/the-ai-forum/declarative-self-improving-language-programs-pythonically-01e4ddbae12a#:~:text=DSPy%20(Declarative%20Self%2Dimproving%20language,more%20times%20within%20a%20pipeline Source : Medium] | |||
[https://mfg-labs.medium.com/r%C3%A9v%C3%A9ler-le-potentiel-des-llm-lart-de-l-optimisation-des-prompts-avec-dspy-c8f9159ea4a5 Source : Medium fr] | |||
[[Catégorie: | [[Catégorie:publication]] |
Version du 27 septembre 2024 à 10:07
en construction
Définition
DSPy est un cadre d'applications qui utilise la programmation déclarative pour optimiser algorithmiquement les requêtes et le poids, en particulier lorsque les modèles de langue sont utilisés une ou plusieurs fois dans un pipeline.
Voir aussi modèle de langue et requête en langue naturelle
Français
DSPy
Anglais
DSPy
Declarative Self-improving language Programs pythonically
The Declarative Self-improving language Programs pythonically (DSPy) is a framework that uses the declarative programming paradigm for algorithmically optimizing prompts and weight, especially when Language Models are use one or more times with a pipeline.