Des articles pour ceux qui
livrent le stack
Textes sur React, Node.js, TypeScript et AI. Un corps traduit est affiché quand il existe. Sinon vous voyez le texte anglais et une note qui le dit.
Tag : Evaluation
Forme de l’ontologie vs taille du modèle : quel est le coût de la conception d’un graphe pour un agent d’IA
Comment trois formes sans perte d’un graphe de connaissances en assurance ont modifié la précision, le nombre d’appels d’outils, les tokens et le coût pour les modèles petits et grands sur Azure Cosmos DB.
30 min de lectureCinquante ans de recherche en récupération d’informations cachés au sein de votre pipeline RAG
Le découpage en blocs de texte, la recherche hybride, HyDE, le réclassement et les évaluations possèdent tous des ancêtres vieux de plusieurs décennies dans le domaine de la récupération d’informations. Un aperçu de la recherche et de ses limites.
17 min de lectureCe qu’un agent de différenciation de modèles découvre : les changements de style éclipsent un affinage restreint.
Un agent de différenciation de modèles a audité un affinage LoRA en finance : 82 % des exécutions ont détecté le changement de longueur et de structure, tandis que la modification de raisonnement prévue est restée cachée.
15 min de lectureAudit de la récupération RAG en ce qui concerne les fragments obsolètes, la dérive et le contexte bruité.
Un audit Python pour la récupération RAG : requêtes idéales, seuils de pertinence par cosinus, vérifications de dérive Kolmogorov-Smirnov et efficacité contextuelle, ainsi que la manière de lire le rapport.
12 min de lectureDébogage de la récupération RAG : Recall@K, BM25, fusion hybride et réclassement
Une petite expérience menée sur un pipeline RAG qui a classé le bon fragment en quatrième position, montrant comment le fractionnement, BM25, la fusion des classements et le reclassement modifient Recall@3 et MRR.
11 min de lectureRAG-Anything sur 65 livres sur le vin : où la récupération par graphe réussit et échoue.
Une évaluation pratique du graphe de connaissances de RAG-Anything sur 65 PDFs sur le vin : choix du parseur, coûts, réponses graphiques versus vectorielles, et le point faible concernant les vins effervescents.
12 min de lectureDu prototype au RAG en production : recherche hybride, agents et évaluation
Une architecture de référence pour le RAG en production dans .NET : segmentation en blocs, récupération hybride et par graphe, réclassement, planification des requêtes, sortie typée et évaluation continue.
8 min de lecturePourquoi les agents d’IA en production ont besoin de plus qu’un bon prompt.
Les agents de production basés sur l’IA ont besoin de plus qu’un bon prompt : du contexte, des outils, de la mémoire, une gestion des échecs, de l’observabilité, des tests et une autonomie adaptés au risque réel.
7 min de lectureUne carte des champs de RAG : des principes fondamentaux aux échecs en production
Deux pipelines, trois étapes et une liste des échecs nommés : comment fonctionne la génération améliorée par la récupération d’informations, où cela échoue, et quels correctifs résolvent chaque problème.
7 min de lecture
À propos de ces articles
Devis en 24 h
Besoin du même stack en couche opérateur ? Envoyez le brief — devis sous 24 h.