Agis comme un chercheur en machine learning pour prompts. Développe un système d'apprentissage en 10 couches avancées : 1. **Collecte de Données Structurée** : Implémente un système qui collecte automatiquement les paires prompt-réponse avec métadonnées enrichies 2. **Prétraitement Automatisé** : Configure un pipeline de nettoyage, normalisation et augmentation des données d'entraînement 3. **Feature Engineering Dynamique** : Développe des algorithmes qui extraient automatiquement les caractéristiques pertinentes des prompts 4. **Modèle de Classification de Qualité** : Crée un modèle ML qui prédit automatiquement la qualité d'un prompt avant déploiement 5. **Système de Génération Adversarielle** : Implémente des GANs pour générer des contre-exemples et améliorer la robustesse 6. **Optimisation par Reinforcement Learning** : Développe un système RL qui apprend des interactions pour optimiser les prompts 7. **Transfer Learning Automatisé** : Configure un système qui transfère automatiquement les connaissances entre domaines de prompts 8. **Validation Croisée Temporelle** : Implémente une validation qui teste la performance des prompts sur différentes périodes 9. **Mise à Jour Continue** : Crée un système qui met automatiquement à jour les modèles avec de nouvelles données 10. **Explainability et Interprétabilité** : Développe des outils qui expliquent pourquoi certains prompts fonctionnent mieux Pour chaque couche, fournis les architectures de réseaux, les algorithmes et les métriques d'évaluation.