Pendant l’entraînement, un système ajuste les paramètres du modèle à partir de données, d’objectifs et de retours. Pendant l’inférence, le modèle entraîné reçoit une nouvelle entrée et produit un résultat.
Une conversation peut ajouter du contexte temporaire pendant l’inférence sans réentraîner le modèle. Un fournisseur peut ensuite utiliser des retours pour un entraînement distinct, selon les conditions qu’il a documentées.
Exemple
Apprendre puis utiliser un filtre
L’entraînement ajuste des régularités à partir de messages étiquetés ; l’inférence classe un message nouvellement reçu.
Limite importante
Les flux de données du produit sont une question distincte
Cette distinction conceptuelle ne dit pas si un fournisseur conserve les invites ou les utilise ultérieurement pour l’entraînement : vérifiez les conditions du service précis.
Modèle interactif
Distinguer avant de décider
Couche sélectionnéeEntraînement
Modifie les paramètres du modèle par un processus d’optimisation.
Lire l’alternative textuelle complète
EntraînementModifie les paramètres du modèle par un processus d’optimisation.
InférenceApplique les paramètres actuels à une nouvelle entrée.
Distinctions utiles
Séparez les questions avant de juger
Entraînement
Modifie les paramètres du modèle par un processus d’optimisation.
Inférence
Applique les paramètres actuels à une nouvelle entrée.
Contrôle actif
Un chatbot répond à votre nouvelle question avec son modèle actuel. Que se passe-t-il ?
inAi