Loading...
🧬
Optimisation automatique des prompts(APO)
Traite les prompts et les instructions d'un pipeline d'agent comme des paramètres apprenables, optimisés de façon programmatique en fonction d'une métrique et d'un jeu de données étiqueté, plutôt que réglés à la main. Les optimiseurs amorcent des démonstrations few-shot et explorent différentes formulations d'instructions, tandis que les méthodes réflexives modifient les prompts en analysant les traces d'exécution des échecs passés.
Complexité: highApprentissage et adaptation
In 30 seconds
- What
- Traite les prompts comme des paramètres apprenables, optimisés selon des métriques par amorçage few-shot, recherche d'instructions, analyse des traces d'échec et boucles de retour d'un LLM, plutôt que par réglage manuel.
- When to use
- Vous disposez de données de validation annotées, d'une métrique claire et d'un budget de calcul suffisant pour enchaîner de nombreuses itérations du pipeline afin d'améliorer la qualité des prompts de façon systématique.
- Watch out
- L'optimisation peut surapprendre votre jeu de validation ou votre métrique, produisant des prompts qui échouent sur de nouveaux domaines ou qui exploitent la récompense au lieu d'apporter de vrais gains de capacité.
Loading technique guide…