Recherche hybride : mots exacts et sens, comment on les fusionne
La recherche hybride lance une recherche par mots-clés et une recherche sémantique, puis fusionne leurs scores. Voici comment, avec du code, et ce qu’elle ne fait pas.
Apprentissage de l'IA
La recherche hybride lance une recherche par mots-clés et une recherche sémantique, puis fusionne leurs scores. Voici comment, avec du code, et ce qu’elle ne fait pas.
Un RAG avancé garde le pipeline de base et ajoute des étapes avant et après la recherche. Ce que chaque ajout apporte, ce qu’il coûte, et quand s’en passer.
Un RAG naïf récupère une fois, puis lit : trois composants, aucun contrôle. Vois comment il marche, où une réponse s’y perd et ce qu’on lui ajoute.
Un embedding donne à un mot, une phrase ou une image une adresse dans un espace où le voisinage a un sens. Comment il s’apprend, à quoi il sert, où il se trompe.
Une mémoire non paramétrique garde le savoir d’un agent hors de ses poids : on l’écrit, on la relit, on la corrige. Comment elle marche, et où elle s’arrête.
La mémoire paramétrique, c’est tout ce qu’un LLM a retenu dans ses poids. Découvre ce qu’elle contient, ce qu’elle oublie et ce qui peut la changer.
Un retriever reçoit une question et renvoie des passages classés par pertinence. Découvre ses familles (mots, vecteurs, hybride), du code et ses limites.
Un LLM prédit le mot suivant, puis devient assistant par deux entraînements de plus. Découvre ses pièces, ses usages et les idées reçues à lâcher.
La corrélation des erreurs rend un modèle trop sûr de lui : intervalles trop étroits, p-valeurs trop faibles. Ce que c’est, où elle surgit, comment la situer.
Une droite dont les erreurs s’évasent de gauche à droite viole une hypothèse de la régression. Reconnais l’entonnoir, évite les confusions, corrige-le.