Présentation
Les modèles de langage augmentent en popularité, car ils créent des réponses cohérentes impressionnantes aux questions d’un utilisateur. En particulier lorsqu’un utilisateur interagit avec un modèle de langage par le biais d’une conversation, cela lui procure un moyen intuitif d’obtenir les informations dont il a besoin.
L’un des défis courants lors de l’implémentation de modèles de langage par le biais d’une conversation est le soi-disant fondement, qui fait référence à la question de savoir si une réponse est enracinée, connectée ou ancrée dans la réalité ou dans un contexte spécifique. En d’autres termes, le fondement fait référence à la question de savoir si la réponse d’un modèle de langage est basée sur des informations factuelles.
Prompts et réponses non fondés
Lorsque vous utilisez un modèle de langage pour générer une réponse à un prompt, les seules informations sur lesquelles le modèle doit baser la réponse proviennent des données sur lesquelles il a été entraîné, ce qui est souvent une grande quantité de texte non contextualisé issu d’Internet ou d’une autre source.
Le résultat sera probablement une réponse grammaticalement cohérente et logique au prompt, mais parce qu’elle n’est pas fondée sur des données factuelles pertinentes, elle n’est pas contextualisée et peut de ce fait être inexacte et contenir des informations « inventées ». Par exemple, la question « Quel produit dois-je utiliser pour X ? » risque d’inclure des détails sur un produit fictif.
Prompts et réponses fondés
Vous pouvez utiliser une source de données pour fonder le prompt avec un contexte factuel pertinent. Le prompt peut ensuite être soumis à un modèle de langage, y compris les données fondées, pour générer une réponse contextualisée, pertinente et exacte.
La source de données peut être n’importe quel référentiel de données pertinentes. Par exemple, vous pouvez utiliser des données d’une base de données de catalogue de produits pour fonder le prompt « Quel produit dois-je utiliser pour X ? » afin que la réponse contienne les détails appropriés des produits qui existent dans le catalogue.
Dans ce module, vous allez découvrir comment créer votre propre application de modèle de langage basée sur la conversation et reposant sur un fondement, en créant un copilote avec vos propres données.