qualité

Le talent gouverne sans sceptre.

Auteur: Rufus Marcus Caelius

Info:

[ pouvoir ] [ aisance ] [ charisme ]

dépassement

Dieu est mort mais je lui survivrai.

Auteur: MG

Info: idée inspirée du roman de Rufus intitulé : si Dieu meurt, je ne lui survivrai pas, 2004

[ orgueil ]

théâtre

La voix a beaucoup plus d'impact que le phénomène de l'apparition visuelle d'une personne.

Auteur: Beck Rufus

Info:

athée

Moi, je me pique à la haine... ...la haine de Dieu est ma préférée. Profonde, étourdissante, libératrice. Je me la garde pour les grandes occasions. Le reste du temps, la haine de mes semblables me suffit.

Auteur: Rufus Jacques Narcy

Info: Si Dieu meurt, je ne lui survivrai pas

[ enthousiasme ]

désordre

Alors que, sous la dynastie julio-claudienne, des révolutions de palais, des complots plus ou moins bien orchestrés amènent au pouvoir tel ou tel membre de la famille augustéenne, en 68-69 ce sont les armées qui deviennent les agents des soulèvements, les légionnaires se posent en maîtres du destin du monde romain. En corollaire, la plus grande confusion règne dans l'Empire: pendant qu'en Espagne Galba se voit proposer l'Empire par ses troupes, en Germanie Verginius Rufus reçoit la même offre de la part de ses légions. Tandis que Galba est solennellement intronisé à Rome, son successeur Othon est déjà prêt à le renverser et les légions de Germanie poussent leur général Vitellius à prendre le pouvoir. Et ce dernier n'a pas encore fait son entrée officielle à Rome que les armées d'Orient acclament Vespasien comme empereur.

Auteur: Salles Catherine

Info: La Rome des Flaviens : Vespasien, Titus, Domitien

[ historique ] [ confusion ]

antiracisme

Dire qu'ils sont nonchalants est une ineptie. Dire qu'ils se distinguent par leur joie de vivre tout autant que les blancs de la même classe se distinguent par leur apathie et leur tristesse de vivre est une vérité. Leur sensibilité, leur grâce et leur puissance quasi surnaturelle en tant qu'êtres humains sont une évidence. Ils s'habillent avec un sens esthétique dont aucune autre population américaine ne fait preuve, même de loin ; ils sont en train de créer sans doute le plus distingué des arts lyriques américains de leur époque ; ceux qui sont "non créatifs" sont sensibles à l'art et à une subtilité de sentiments et de comportements comme aucun blanc ne l'a été depuis trois siècles ; ils aiment avec une grâce lubrique et tombent en désamour avec une franchise que peu de blancs occidentaux ont su atteindre depuis l'époque de saint Paul : et, pour faire court, il semble plutôt évident, après avoir observé plusieurs milliers d'entre eux vivre leur vie d'exclus, qu'ils constituent à maints égards majeurs une race non pas égale mais supérieure : et que ce qu'ils ont enduré ces quelques dernières générations a, tout autant que la nature éternelle et le pouvoir de l'intelligence, contribué à cette supériorité.

Auteur: Agee James Rufus

Info: Une saison de coton, Trois familles de métayers, Sur les Noirs dans le Sud des USA en 1936, P 177

[ noirs ] [ usa ] [ louange ]

historique

A peine les sénateurs le virent-ils entrer, qu'ils se levèrent tous en signe d'honneur. Déjà ceux qui allaient le frapper se pressaient autour de lui. Avant tous Tillius Cimber, dont César avait exilé le frère, s'avance vers lui. Arrivé près de César, qui tenait ses mains sous sa toge, il le saisit par ses vêtements, et, avec une audace toujours croissante, il l'empêchait de se servir de ses bras et d'être maître de ses mouvements. César s'irritant de plus en plus, les conjurés se hâtent de tirer leurs poignards et se précipitent tous sur lui. Servilius Casca le premier le frappe, en levant son fer, à l'épaule gauche, un peu au-dessus de la clavicule, il avait voulu le frapper au cou, mais dans son trouble sa main s'égara. César se lève pour se défendre contre lui. Casca, dans son agitation, appelle son frère en langue grecque. Docile à sa voix, celui-ci enfonce son fer dans le côté de César. Mais, plus rapide que lui, déjà Cassius l'avait frappé à travers la figure. Decimus Brutus lui porte un coup qui lui traverse le flanc, tandis que Cassius Longinus, dans a précipitation joindre ses coups à ceux des autres, manque César, et va frapper la main de Marcus Brutus. Ainsi que lui, Minutius Basilus, en voulant atteindre César, blesse Rubrius Rufus à la cuisse. On eût dit qu'ils se disputaient leur victime. Enfin César, accablé de coups, va tomber devant la statue de Pompée ; et il n'y eut pas un seul conjuré qui, pour paraître avoir participé au meurtre, n'enfonçât son fer dans ce corps inanimé, jusqu'à ce que César eût rendu l'âme par ses trente-cinq blessures.

Auteur: Nicolas de Damas

Info: La mort de César

[ meurtre ] [ conjuration ]

homme-machine

Illustrer l'apprentissage par renforcement à partir de commentaires humains (RLHF*)

Les modèles de langage ont montré des capacités impressionnantes au cours des dernières années en générant des textes variés et convaincants à partir d'entrées humaines. Cependant, il est difficile de définir ce qu'est un "bon" texte, car c'est subjectif et ça dépend du contexte. Il existe de nombreuses applications telles que l'écriture d'histoires où l'on recherche la créativité, des textes informatifs qui doivent être véridiques, ou des extraits de code que l'on veut exécutables.

Rédiger une fonction de perte** pour capturer ces attributs semble impossible et la plupart des modèles de langage sont encore entraînés avec une simple perte de prédiction du prochain jeton (par exemple, l'entropie croisée). Pour compenser les lacunes de la perte elle-même, les gens définissent des métriques conçues pour mieux capturer les tropismes humains, telles que BLEU ou ROUGE. Bien qu'elles soient mieux adaptées que la fonction de perte elle-même pour mesurer les performances, ces mesures comparent simplement le texte généré à des références avec des règles simples et sont donc également limitées. Ne serait-il pas formidable d'utiliser le retour d'information humain sur le texte généré comme mesure de la performance ou d'aller encore plus loin et d'utiliser ce retour d'information comme perte pour optimiser le modèle ? C'est l'idée de l'apprentissage par renforcement à partir du feedback humain (RLHF)

Le RLHF a permis aux modèles de langage de commencer à aligner un modèle formé sur un corpus général de données textuelles sur celui de valeurs humaines complexes.

Le succès le plus récent de RLHF a été son utilisation dans ChatGPT. Compte tenu des capacités impressionnantes de ChatGPT, nous lui avons demandé de nous expliquer la RLHF :  

- Peux-tu m'expliquer comment le RL (reinforcement learning) avec retour d'information humain usant un modèle linguistique comme si j'avais 5 ans.

- Bien sûr, imagine que j'ai un robot nommé Rufus qui veut apprendre à parler comme un humain.  Rufus a un modèle linguistique qui l'aide a comprendre les mots et les phrases.

Tout d'abord Rufus va dire quelque chose en usant d'un modèle de langage, par exemple en disant :  - je suis un robot

Ensuite un humain va écouter ce qu'il a dit et va donner un avis pour dire si la réponse ressemble à langage naturel d'humain. Il pourra dire, par exemple. C'est pas très bon Rufus, un humain ne dit pas de manière générale "je suis un robot" mais plutôt "j'suis un robot" ou "je suis une machine".

Rufus va prendre en compte ce retour et l'utuiliser pour améliorer son modèle de langage, il va essayer de redire la phrase en utilisant  cette correction et va dire "j'suis un robot".

Ensuite l'humain va continuer de donner des retours de ce genre et petit à petit Rufus va commencer à s'exprimer comme un humain le fait en général.

Ici Chatgtp se débrouille étonnamment bien, mais ne couvre pas tout. Nous nous chargeons de combler ces lacunes !  (La suite sur le site en Info)

Auteur: Internet

Info: Sur guithub : https://huggingface.co/blog/rlhf, Nathan Lambert, Louis Castricato guest , Leandro von Werra, Alex Havrilla guest. Le 9 décembre 2022 *Reinforcement Learning from Human Feedback ... **Courbe de perte ? (loss function) À la base, une fonction de perte est très simple : c'est une méthode permettant d'évaluer dans quelle mesure votre algorithme modélise votre ensemble de données. Si vos prédictions sont totalement erronées, votre fonction de perte affichera un chiffre élevé. Si elles sont assez bonnes, elle affichera un chiffre plus bas.  C'est une pénalité pour  mauvaise prédiction. En d'autres termes, la perte (loss) est un nombre qui indique à quel point la prédiction du modèle est mauvaise sur un seul exemple. Si la prédiction du modèle est parfaite, la perte est nulle ; elle affichera le chiffre zéro.

[ apprentissage automatique ] [ idiome consensuel ] [ anti-poésie ] [ objectivation linguistique ] [ polysémie contextualisée ] [ mathématisation ]