flaibo
Glossaire

Parameters (Model Weights)

Les milliards de valeurs numériques internes qu'un modèle a apprises pendant l'entraînement et qui encodent ce qu'il sait ; elles sont figées une fois l'entraînement terminé et invisibles pour quiconque l'utilise.

Aucune carte bancaire requise

Ce que ça signifie en pratique

Un professionnel qui lit la fiche technique d'un fournisseur voit un modèle annoncé avec soixante-dix milliards de paramètres et suppose que ce chiffre est quelque chose qu'il peut ajuster pour obtenir de meilleurs résultats, un peu comme il ajusterait un réglage dans une application. Les paramètres sont en réalité l'inverse d'un curseur : ce sont l'énorme ensemble de valeurs numériques internes que le modèle a apprises pendant l'entraînement, qui encodent des schémas sur le langage et sur le monde, et une fois l'entraînement terminé, ces valeurs restent figées. Personne n'utilisant le modèle, pas même l'entreprise qui l'a créé, ne règle les paramètres un par un à la main ; le chiffre affiché sur une fiche technique est une estimation approximative de la capacité brute du modèle et de son coût d'exécution, pas un réglage que quiconque manipule.

Exemple

Deux modèles sont annoncés, l'un avec huit milliards de paramètres et l'autre avec soixante-dix milliards. Un professionnel ne peut pas augmenter le nombre de paramètres du modèle le plus petit pour qu'il se comporte comme le plus grand ; ce chiffre a été figé le jour où l'entraînement s'est terminé. Ce qu'il peut ajuster, sur l'un ou l'autre modèle, c'est un réglage comme la température ou la longueur maximale de réponse, ce qui change le comportement du modèle pour une requête donnée sans toucher à ce qu'il sait fondamentalement.

À ne pas confondre avec

vs. Settings (like Temperature or Max Length)

Les paramètres sont figés au moment de l'entraînement : des milliards de valeurs internes intégrées au modèle qu'aucune personne n'ajuste requête par requête, et un nombre de paramètres plus élevé sur une fiche technique est une donnée sur l'échelle du modèle, pas un réglage. Les réglages comme la température ou la longueur maximale de réponse sont l'inverse : des curseurs qu'un utilisateur ou un développeur peuvent réellement modifier à chaque requête, ce qui change le comportement du modèle sans toucher à ce qu'il sait en profondeur. Confondre les deux pousse les gens à chercher un curseur de paramètres qui n'existe pas, alors que les réglages ajustables qu'ils recherchent en réalité sont les réglages au niveau de la requête juste à côté.

Frequently asked questions

Envie d'avoir ton contexte au même endroit ?

Flaibo conserve ton rôle, ta tonalité et ton travail passé au même endroit, et les intègre dans les prompts que tu emportes vers l'IA que tu utilises, pour qu'une nouvelle discussion n'ait pas à repartir d'une fenêtre de contexte vide.

Commence gratuitement

Ton contexte partout