Modèle de décision
Un modèle de décision lit une situation et une liste de questions, puis renvoie une probabilité pour chaque réponse autorisée au lieu de rédiger du texte.
Un modèle de chat génère des mots et vous laisse les analyser. Un modèle de décision est conçu pour l'étape où un agent doit choisir : vous envoyez la situation et des questions typées, par exemple « vrai ou faux », « choisissez l'une de ces équipes » ou « notez la gravité de un à quatre ». Le modèle note toutes les options autorisées en une seule passe, si bien que le résultat est un ensemble de probabilités que votre code peut comparer à un seuil, utiliser pour router ou transmettre à un humain. Clef, de Cloudflare, post-entraîné à partir de Qwen, en est un exemple ouvert, et son format de requête est compatible avec Jev, de Typesafe AI. Citons aussi d1, de Liquid AI ; les modèles Decider d'AutoTrust ; pplx-decider, de Perplexity ; Prism, de Sarvam, construit sur un modèle de 105B ; Smaug-Decisions, d'Abacus.AI, qui accepte aussi l'audio ; hs-decide-1-flash, de Hindsight ; et DuplexJev, d'Adventists AI, qui décide des tours de parole, des interruptions et du ton directement à partir de l'audio de la voix.
Comme aucun texte n'est généré, ces modèles peuvent être rapides et cohérents, et vous pouvez changer les étiquettes sans réentraînement. Ils ne peuvent ni s'expliquer ni agir, et les questions très gourmandes en raisonnement conviendront mieux à un modèle de chat plus grand. Traitez les probabilités comme des scores à tester sur vos propres exemples étiquetés, car la calibration varie, et les tableaux de benchmark des fournisseurs proviennent des exécutions du fournisseur lui-même.
Termes associés
- Agent d'IA Un agent d'IA est un système dans lequel un modèle planifie et exécute des tâches en plusieurs étapes en appelant des outils, comme exécuter du code, chercher sur le web ou modifier des fichiers.
- Appel d'outils (function calling) L'appel d'outils permet à un modèle de demander à votre programme d'exécuter une fonction, comme une recherche ou une calculatrice, puis d'utiliser le résultat dans sa réponse.
- Modèle multimodal Un modèle multimodal peut traiter plus d'un type de données, comme du texte, des images, de l'audio ou de la vidéo, en entrée, en sortie ou les deux.
- Fine-tuning (ajustement fin) Le fine-tuning poursuit l'entraînement d'un modèle pré-entraîné sur vos propres exemples pour qu'il se comporte mieux sur une tâche, un style ou un domaine précis.