Le prefill d’un LLM : la lecture qui précède le premier mot
Avant d’écrire, un LLM lit tout ton prompt d’un coup. Ce que calcule le prefill, ce qu’il laisse derrière lui, et pourquoi un prompt long coûte plus cher.
Apprentissage de l'IA
Avant d’écrire, un LLM lit tout ton prompt d’un coup. Ce que calcule le prefill, ce qu’il laisse derrière lui, et pourquoi un prompt long coûte plus cher.
Un LLM qui note les sorties d’un autre : définition, grille, seuil, postes où on l’emploie et limites du « LLM as a judge », expliqués pas à pas.
Un système multiagent confie chaque rôle à un agent spécialisé. Définition, exemple de code, modes d’organisation et idées reçues à écarter.
Text2cypher traduit une question en langage courant en requête Cypher pour une base de graphe. Ses ingrédients, un exemple lu pas à pas, ses limites.
Un agent retriever est une capacité de recherche mise sous étiquette, que le système choisit selon la question. Définition, code lu pas à pas, idées reçues.
Une recherche vectorielle compare des positions dans un espace, pas des mots. Vecteurs, cosinus, index et limites, avec un agent qui choisit son outil.
Le finetuning reprend un modèle déjà entraîné et déplace ses poids vers ton usage. Ce qui change, comment ça se passe, et ce que ça ne fait pas.
Self-RAG entraîne le LLM à décider s’il doit chercher, à juger chaque passage et à vérifier sa réponse. Définition, quatre jetons, gains et coûts.
Un RAG agentique ne suit plus un trajet fixe : un agent décide où chercher, quand relancer et quand répondre. Définition, mécanisme, exemple pas à pas.
Un graphe de connaissances range les faits en triplets (entité, relation, entité). Découvre comment il se construit, ce qu’il retrouve, et ses limites.