LLM — définition ?
Modèle de langage large basé sur Transformer.
IA Générative — rôle ?
Créer du contenu original à partir de données.
Température — effet ?
Contrôle le hasard dans la génération.
Tokenisation — processus ?
Découpe du texte en unités (tokens).
Prédiction — tâche principale ?
Estimer le prochain token dans une séquence.
Discriminative — fonction ?
Classifie en calculant P(y|x).
Générative — fonction ?
Génère en modélisant P(x).
Espace latent — rôle ?
Représente concepts dans un espace compressé.
Transformers — invention ?
Architecture basée sur auto-attention, 2017.
Auto-attention — mécanisme ?
Poids variables pour chaque token dans une séquence.
Neurone biologique — rôle ?
Transmet des signaux électriques entre cellules.
Neurone artificiel — principe ?
Fonction mathématique d'agrégation et d'activation.
Apprentissage — phases clés ?
Pré-entraînement, fine-tuning, RLHF.
Capacités émergentes — exemple ?
Raisonnement, sarcasme, que le modèle développe seul.
Hallucinations — définition ?
Informations crédibles mais fausses générées par l’IA.
RAG — étape 1 ?
Récupération de documents pertinents.
RAG — étape 2 ?
Insertion des documents dans le prompt.
RAG — étape 3 ?
Génération basée sur documents récupérés.
Espace latent — proximité ?
Concepts similaires proches dans l’espace.
Dimensions hyper-dimensionnelles — avantage ?
Nuance et précision accrues dans la représentation.
Testez vos connaissances avec un QCM de 10 questions sur Introduction aux modèles d'IA Générative.
1. Qu'est-ce qu'un Large Language Model (LLM) ?
2. En quelle année l'architecture Transformer a-t-elle été inventée par Google ?
Révisez le cours complet dans la fiche de révision de Introduction aux modèles d'IA Générative.
Voir la fiche →Bases de données
Bases de données
Programmation
Programmation
Importe ton cours et l'IA génère des flashcards en 30 secondes.
Générateur de flashcards