Fonctionnement des moteurs
Large Language Model
Aussi: LLM, grand modèle de langage
Un large language model est un système entraîné sur de très grandes quantités de texte pour prédire et produire du langage. C'est le composant qui rédige la réponse d'un answer engine, à partir de ce qu'il a appris et de ce qui est récupéré au moment de la question.
En détail
Deux propriétés comptent pour la visibilité d'une marque : ce que le modèle a absorbé pendant l'entraînement, et ce qu'il peut récupérer maintenant. L'entraînement façonne sa vision par défaut de la catégorie ; la récupération est la voie par laquelle une information nouvelle atteint vite une réponse.
Guides sur le sujet
Termes liés
Données d'entraînement
Les données d'entraînement sont l'ensemble de textes à partir duquel un modèle a appris. Elles fixent sa compréhension par défaut d'une catégorie et les marques qu'il associe à quoi, avant toute récupération en direct.
Knowledge cutoff
Le knowledge cutoff est la date à laquelle s'arrêtent les données d'entraînement d'un modèle. Ce qui a changé après cette date n'atteint une réponse que si le moteur le récupère en direct au moment de la question.
Retrieval-Augmented Generation
La retrieval-augmented generation consiste, pour un modèle, à chercher des documents pertinents et à rédiger sa réponse à partir de ce qu'il trouve plutôt qu'à partir du seul entraînement. C'est pourquoi une page publiée cette semaine peut apparaître dans une réponse aujourd'hui.
Prêt à dominer la recherche IA ?
Commencer maintenant
Allswap