Évaluation du module

1.

Quel est l’objectif principal d’un message système dans une invite ?

Pour définir le rôle, le comportement et les contraintes de sortie du modèle.

Pour fournir des données d’apprentissage qui modifient définitivement le modèle.

Pour récupérer des données à partir d’une source de données externe.

2.

Quand devez-vous utiliser La génération augmentée de récupération (RAG) au lieu de vous appuyer uniquement sur l’ingénierie rapide ?

Lorsque vous souhaitez que le modèle réponde dans un style et un format cohérents.

Lorsque le modèle a besoin d’accès aux données spécifiques à un domaine ou à des données récentes sur lesquelles il n’a pas été formé.

Lorsque vous souhaitez réduire la longueur des invites envoyées au modèle.

3.

Qu’est-ce que le contrôle des paramètres de température dans un modèle de langage ?

Nombre maximal de jetons que le modèle peut générer.

La aléatoire et la créativité des réponses du modèle.

Vitesse à laquelle le modèle traite les demandes.

4.

Que fait l’affinage dans l’optimisation d’un modèle de langage ?

Précision factuelle des réponses en se connectant à des données externes.

Cohérence du comportement, du style et du format de sortie du modèle.

Nombre de jetons que le modèle peut traiter dans une seule requête.

5.

Vous créez une application de conversation qui doit répondre aux questions à l’aide du catalogue de produits de votre entreprise tout en conservant une voix de marque spécifique. Quelle combinaison de stratégies est la plus appropriée ?

Ingénierie rapide uniquement, avec des messages système détaillés.

RAG pour exploiter les données du catalogue de produits, réglage fin pour structurer le message de marque et ingénierie des requêtes pour les consignes propres à chaque échange.

Réglage fin exclusivement, avec intégration du catalogue de produits dans les données d’entraînement.

Commentaires