Lorsque les utilisateurs interagissent avec un modèle de langage, celui-ci s’appuie sur une distribution de probabilités pour générer ses réponses, ce qui peut parfois mener à des résultats similaires et prévisibles.
Pour remédier à cette problématique, une équipe de chercheurs a conçu une nouvelle approche appelée Verbalized Sampling (VS).
En ajoutant la directive « Générez 5 réponses avec leurs probabilités associées », les modèles de langage sont capables de fournir une palette de réponses plus étendue, mettant en lumière un potentiel souvent sous-exploité.
Les résultats des tests ont révélé que cette méthode augmentait significativement la diversité des résultats dans divers domaines, comme la rédaction créative ou les simulations de dialogue, tout en préservant la qualité des réponses.
De surcroît, elle permet aux utilisateurs d’ajuster le niveau de diversité souhaité en modifiant facilement les paramètres de l’invite.
Accessible via un simple package Python, VS ouvre ainsi la voie à une multitude d’applications potentielles, notamment dans les secteurs de l’éducation, de la création et du design.
Source: IA Tech news
