Non classé
L’IA «Coach» assiste les modèles linguistiques dans le choix entre le texte et le code pour résoudre des problèmes.
Bien que certains puissent générer du code pour traiter des requêtes symboliques, ils manquent souvent de discernement pour choisir le bon type de code ou d’approche.
Pour remédier à ces limitations, des chercheurs du MIT ont développé Codesteer, un assistant LLM plus léger qui guide un modèle plus vaste dans l’alternance entre code et texte afin d’améliorer la précision des réponses.
Codesteer analyse une requête, détermine la méthode la plus adaptée (texte ou code) et génère des suggestions pour corriger les réponses du LLM plus grand jusqu’à ce qu’une solution correcte soit trouvée.
Les tests ont montré une amélioration significative de la précision des tâches symboliques, passant de 53,3 % à 86,4 % en moyenne.
Cette méthode, qui sépare le réglage du modèle principal de la guidance fournie par Codesteer, offre un moyen innovant d’améliorer les performances des LLM dans divers domaines qui nécessitent des compétences de raisonnement avancées.
Les chercheurs envisagent également de rationaliser Codesteer pour faciliter son utilisation dans un avenir proche.