Nouvelles pages
- 23 février 2026 à 15:01 GML comme juge (hist | modifier) [2 066 octets] Arianne (discussion | contributions) (Page créée avec « == en construction == == Définition == xxxxxx == Français == ''' GML en tant que juge''' ''' GML comme juge''' == Anglais == ''' LLM-as-a-judge''' <!--A (family of) technique(s) in natural language processing that uses one large language model (LLM) to evaluate another LLM’s work. A typical LLM-as-a-Judge setup consists of three elements: an input that contains the task context and candidate outputs to be evaluated, a prompt that explains the evaluation... ») créé initialement avec le titre « LLM-as-a-judge »
- 22 février 2026 à 16:11 GML DévEx (hist | modifier) [1 568 octets] Arianne (discussion | contributions) (Page créée avec « == en construction == == Définition == xxxxxxx == Français == ''' XXXXXXX''' == Anglais == ''' Large Language Model Operations''' '''LLMOP''' <!--Set of practices and workflows that speed development, deployment and management of AI models throughout their complete lifecycle, such as le déploiement et la maintenance des modèles, la gestion des données, l’entraînement et le peaufinage des modèles, ainsi que leur surveillance et leur évaluation. Bec... ») créé initialement avec le titre « Large Language Model Operations »
- 22 février 2026 à 16:07 Locally typical sampling (hist | modifier) [1 324 octets] Arianne (discussion | contributions) (Page créée avec « == en construction == == Définition == xxxxxxx Voir aussi '''échantillonnage des k-meilleurs''' et '''ergodicité''' == Français == ''' XXXXXX''' == Anglais == ''' Locally typical sampling''' <!--Sampling method that improves text quality and reduces repetitions in probabilistic language generators. The idea is that when you want a text to be perceived as natural, each word should have an information content close to its expected information conte... »)
- 22 février 2026 à 16:03 Algorithme d'optimisation DAPO (hist | modifier) [1 319 octets] Arianne (discussion | contributions) (Page créée avec « == en construction == == Définition == xxxxxxx == Français == ''' XXXXXXXX''' Voir aussi '''optimisation de la politique proximale''' et '''optimisation de la politique relative au groupe''' == Anglais == ''' DAPO''' ''' Decoupled Clip and Dynamic Sampling Policy Optimization''' <!--A reinforcement learning algorithm that reinforces reasoning patterns and also gives rise to new modes of reasoning that facilitate correct problem-solving. One of its... ») créé initialement avec le titre « DAPO »
- 29 janvier 2026 à 12:28 Largeur du faisceau (hist | modifier) [954 octets] Arianne (discussion | contributions) (Page créée avec « == en construction == == Définition == Paramètre de l’'''algorithme de recherche en faisceau''' qui définit le nombre de nœuds considérés à chaque niveau afin de limiter la mémoire nécessaire pour effectuer la recherche. Plus ce paramètre est grand, moins d’'''états''' sont éliminés. Il influence donc directement l'étendue de la recherche. == Compléments == Avec une largeur de faisceau infinie, aucun état n'est éliminé et la... ») créé initialement avec le titre « Beam width »
- 27 janvier 2026 à 17:31 BLEURT (hist | modifier) [1 504 octets] Arianne (discussion | contributions) (Page créée avec « == en construction == == Définition == xxxxxxxx Voir aussi '''BLEU''' == Français == '''XXXXXXXX''' == Anglais == '''Bilingual Evaluation Understudy with Representations from Transformers''' ''' BLEURT''' <!--Trained evaluation metric that takes a pair of sentences as input (a reference and a candidate), and it returns a score that indicates to what extent the candidate is fluent and conveys the meaning of the reference. It can capture non-trivial sem... »)
- 27 janvier 2026 à 17:27 Taux d'erreurs de traduction (hist | modifier) [1 453 octets] Arianne (discussion | contributions) (Page créée avec « == en construction == == Définition == xxxxx == Français == '''XXXXXXXX''' == Anglais == '''Translation Error Rate''' '''TER''' <!--Metric for automatic evaluation of machine translation that calculates the number of edits required to change a machine translation output into one of the references. It measures the insertions, deletions, substitutions, and shifts needed to transform a machine-generated hypothesis into reference translation. A lower TER, clos... ») créé initialement avec le titre « TER »
