Docs
...
When to tune a model

Quand optimiser un modèle de base

Dernière mise à jour : 04 mars 2025
Quand optimiser un modèle de base

Découvrez quand l'ajustement d'un modèle peut vous aider à utiliser un modèle de base pour atteindre vos objectifs.

Optimisez un modèle de base lorsque vous souhaitez effectuer les opérations suivantes:

  • Réduisez le coût de l'inférence à l'échelle

    Les modèles de base plus grands génèrent généralement de meilleurs résultats. Cependant, ils sont également plus coûteux à utiliser. En ajustant un modèle, vous pouvez obtenir des résultats similaires, parfois même meilleurs, à partir d'un modèle plus petit qui coûte moins cher à utiliser.

  • Obtenir la sortie du modèle pour utiliser un certain style ou format

  • Améliorez les performances du modèle en lui enseignant une tâche spécialisée

  • Générez la sortie dans un format fiable en réponse à des invites de type zéro

Regardez une vidéo qui explique quand et pourquoi affiner un modèle de base.

Cette vidéo fournit une méthode visuelle pour apprendre les concepts et les tâches de cette documentation.

Lorsqu'il n'est pas nécessaire d'optimiser un modèle

L'ajustement d'un modèle n'est pas toujours la bonne approche pour améliorer la sortie d'un modèle. Par exemple, l'ajustement d'un modèle ne peut pas vous aider à effectuer les opérations suivantes:

  • Amélioration de la précision des réponses dans la sortie du modèle

    Si vous utilisez un modèle de base pour le rappel factuel dans un scénario de réponse à des questions, l'ajustement améliorera légèrement la précision des réponses. Pour obtenir des réponses factuelles, vous devez fournir des informations factuelles dans le cadre de votre entrée dans le modèle. L'optimisation peut être utilisée pour aider les réponses factuelles générées à se conformer à un format qui peut être plus facilement utilisé par un processus en aval dans un flux de travaux. Pour en savoir plus sur les méthodes de renvoi de réponses factuelles, voir Génération augmentée à nouveau.

  • Obtenir le modèle pour utiliser un vocabulaire spécifique dans sa sortie de manière cohérente

    Les modèles de langue de grande taille qui sont entraînés sur de grandes quantités de données formulent un vocabulaire basé sur cet ensemble initial de données. Vous pouvez introduire des termes significatifs dans le modèle à partir des données d'apprentissage que vous utilisez pour optimiser le modèle. Toutefois, le modèle peut ne pas utiliser ces termes préférés de manière fiable dans sa sortie.

  • Enseigner à un modèle de base à effectuer une tâche entièrement nouvelle

    L'expérimentation de l'ingénierie rapide est une première étape importante car elle vous aide à comprendre le type de sortie qu'un modèle de base est et n'est pas capable de générer. Vous pouvez utiliser l'ajustement pour ajuster, personnaliser et mettre en forme la sortie qu'un modèle de base peut renvoyer.

En savoir plus

Sujet parent : Réglage des modèles de fondation