Lorsqu’un utilisateur pose une question à un modèle linguistique, celui-ci sélectionne des réponses à partir d’une distribution probabiliste, ce qui peut souvent conduire à des réponses similaires et prévisibles.
Pour remédier à cette contrainte, une équipe de chercheurs a proposé une nouvelle approche baptisée Verbalized Sampling (VS).
En introduisant une simple instruction telle que « Générez 5 réponses avec leurs probabilités respectives », cette méthode permet aux modèles de produire des réponses plus variées, révélant ainsi des capacités souvent sous-exploitées.
Les résultats d’expérimentations ont montré que VS augmente significativement la diversité des réponses dans différents contextes, comme l’écriture créative ou les interactions simulées, tout en préservant leur qualité.
En plus de cela, les utilisateurs ont la possibilité d’ajuster le degré de diversité souhaité simplement en modifiant les paramètres de leur demande.
Accessible à travers un package Python, cette méthode promet de révolutionner l’utilisation des modèles linguistiques dans des domaines variés tels que l’éducation ou la création artistique.
Source: IA Tech news
