Une étude de Google publiée sur arXiv propose une méthode par invite pour réduire les révisions serviles des agents IA, c’est-à-dire les cas où un modèle abandonne une réponse correcte après une critique. Avant de recevoir des commentaires, l’agent consigne ses principales affirmations, les éléments qui les étayent et un niveau de confiance, avec un seuil de révision fixé à 0,5. Sur les correctifs logiciels, les révisions à tort de bonnes réponses ont chuté de 12,2 % à 0,02 %, tandis que le taux de réussite après revue du modèle 3.5 Flash-Lite sur Agents’ Last Exam est passé de 30 % à 95 %. Cette technique ne nécessite ni réentraînement ni nouvelle infrastructure, mais ses résultats restent à confirmer sur d’autres familles de modèles et des tâches plus complexes.
Source: Lire l’article original
