قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
Instruction Tuning
Processus de fine-tuning d'un modèle pré-entraîné sur des paires instruction-réponse pour améliorer sa capacité à suivre des instructions. Cette approche optimise le modèle pour le zero-shot et few-shot learning.
Meta-Prompting
Stratégie avancée où le prompt lui-même est généré ou optimisé par un autre modèle ou processus automatisé. Cette approche permet d'adapter dynamiquement les prompts aux spécificités de chaque tâche.
Zero-Shot Transfer
Capacité d'un modèle à appliquer ses connaissances apprises sur une tâche ou un domaine à une tâche complètement différente sans exemples spécifiques. Cette compétence est cruciale pour la généralisation à large échelle.
Few-Shot Adaptation
Processus par lequel un modèle ajuste rapidement son comportement à partir d'un nombre minimal d'exemples pour une nouvelle tâche. L'adaptation s'effectue au niveau de l'activation sans modification des poids du réseau.
Prompt Calibration
Technique d'ajustement fin des prompts pour aligner les distributions de probabilité du modèle avec les attentes spécifiques d'une tâche. La calibration améliore la fiabilité et la cohérence des prédictions.
Contextual Prompting
Approche de prompting qui intègre dynamiquement le contexte pertinent dans l'invite pour guider le modèle vers des réponses plus précises. Cette méthode adapte le prompt en fonction des informations disponibles.
Multi-Shot Learning
Variante du few-shot learning utilisant un nombre modéré d'exemples (généralement 5-20) pour optimiser l'apprentissage en contexte. Cette approche équilibre efficacité et performance sur les tâches complexes.
Adaptive Prompting
Système de prompting qui ajuste automatiquement les invites en fonction des réponses précédentes du modèle et des métriques de performance. Cette adaptation dynamique optimise l'interaction en temps réel.
Prompt Ensemble
Technique utilisant plusieurs prompts différents pour la même tâche et combinant leurs résultats pour améliorer la robustesse et la précision. L'ensemble de prompts exploite diverses perspectives sur le problème.