Les LLM expliquent les programmes linéaires : d’un projet parallèle à la recherche Microsoft

En 2020, tout en travaillant sur la chaîne d’approvisionnement de Google, l’auteur a développé un projet secondaire pour aider à comprendre les programmes linéaires (PL). Lorsque les PL deviennent complexes, comprendre leurs résultats est un défi même pour les experts. L’approche de l’auteur consistait à modifier interactivement le modèle et à comparer les résultats pour expliquer le comportement du modèle, découvrant que l’ajout de métadonnées sémantiques simplifiait le processus. Récemment, des chercheurs de Microsoft ont publié un article utilisant des grands modèles de langage (LLM) pour traduire les requêtes en langage naturel en requêtes structurées, obtenant un résultat similaire. L’auteur pense que les LLM sont une excellente solution pour traduire l’ambiguïté humaine en requêtes structurées, traitées par un système d’optimisation classique robuste, les résultats étant résumés par le LLM. Bien que le travail précédent de l’auteur soit resté non publié, il soutient que la compréhension des explications de systèmes plus simples est cruciale pour expliquer des systèmes d’IA plus complexes.