« 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 [[représentation contextuelle compacte|représentations contextuelles compactes]] (''embeddings'') du domaine d’application contenues dans une base de données vectorielles.
Méthode d'adaptation, [[peaufinage]] des résultats d'un [[grand modèle de langues]] en encodant les données d’entrée avec des [[représentation contextuelle compacte|représentations contextuelles compactes]] (''embeddings'') du domaine d’application contenues dans une base de données vectorielles.


== Compléments ==
== Compléments ==
Ligne 8 : Ligne 8 :


== Français ==
== Français ==
'''adaptation par enrichissement contextuel'''
'''AEC'''
'''peaufinage par enrichissement contextuel'''
'''PEC'''
'''génération augmentée d'information contextuelle'''
'''génération augmentée d'information contextuelle'''


'''GAIC'''
'''GAIC'''
'''enrichissement contextuel'''


== Anglais ==
== Anglais ==

Version du 18 octobre 2023 à 03:07

Définition

Méthode d'adaptation, peaufinage des résultats d'un grand modèle de langues en encodant les données d’entrée avec des représentations contextuelles compactes (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 représentations contextuelles compactes 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 représentations contextuelles compactes 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

Source : research.ibm.com