Chapitre 5. Contenu des prompts
Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : translation-feedback@oreilly.com
Imagine que tu es en train de créer une nouvelle application de recommandation de livres axée sur le LLM. La concurrence est rude car il existe déjà d'innombrables applications de recommandation de livres. Leurs recommandations s'appuient généralement sur des approches hautement mathématiques telles que le filtrage collaboratif, qui glane des recommandations pour les utilisateurs en comparant leurs habitudes d'utilisation avec les habitudes d'utilisation de tous les autres utilisateurs.
Mais les LLMs pourraient avoir quelque chose de nouveau à offrir dans ce domaine, car contrairement aux algorithmes de recommandation rigides et informatiques généralement utilisés, les LLMs peuvent lire des données textuelles sur un utilisateur et faire preuve d'un bon sens presque humain pour faire des recommandations, un peu comme un humain qui aurait lu attentivement toutes les critiques de livres disponibles sur l'Internet public.
Voyons cela en action. La figure 5-1 montre deux exemples de recommandations de livres provenant de ChatGPT. Dans le premier, nous n'incluons que des informations sur les derniers livres que j'ai lus - MobyDick et Huckleberry Finn. Ce type d'informations - les livres lus précédemment - est analogue aux informations que les systèmes de recommandation plus traditionnels utiliseraient. Et comme nous le voyons, ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access