![](\"https:\/\/oaidalleapiprodscus.blob.core.windows.net\/private\/org-PXteLUy4B6mslwRon6h7ri9z\/user-0jfma6aPNvZyLXZUbw4CmvZG\/img-rlaoJWz9QEi8LB4Qf49NkGvp.png?st=2024-06-23T10%3A10%3A34Z&se=2024-06-23T12%3A10%3A34Z&sp=r&sv=2023-11-03&sr=b&rscd=inline&rsct=image\/png&skoid=6aaadede-4fb3-4698-a8f6-684d7786b067&sktid=a48cca56-e6da-484e-a814-9c849652bcb3&skt=2024-06-22T14%3A11%3A50Z&ske=2024-06-23T14%3A11%3A50Z&sks=b&skv=2023-11-03&sig=\/fBK57eD%2BER3sxUfKX61M9o8DukpXj7CQF9O\/y7Wf4s%3D\")
<\/p>\n<\/p>\n
Les progr\u00e8s dans le machine learning, en particulier dans les mod\u00e8les g\u00e9n\u00e9ratifs comme les mod\u00e8les de diffusion, sont remarquables. Ces mod\u00e8les, capables de g\u00e9rer des donn\u00e9es haute dimension telles que les images et les sons, trouvent des applications vari\u00e9es allant de la cr\u00e9ation artistique \u00e0 l’imagerie m\u00e9dicale. L’objectif principal a \u00e9t\u00e9 d’am\u00e9liorer ces mod\u00e8les pour mieux correspondre aux pr\u00e9f\u00e9rences humaines, garantissant des sorties utiles et s\u00fbres.<\/p>\n
Cependant, malgr\u00e9 les avanc\u00e9es, les mod\u00e8les actuels peinent souvent \u00e0 s’aligner parfaitement sur les pr\u00e9f\u00e9rences humaines, produisant parfois des r\u00e9sultats inutiles ou dangereux. Il est crucial d’affiner ces mod\u00e8les pour fournir des sorties souhaitables et s\u00fbres, sans compromettre leurs capacit\u00e9s g\u00e9n\u00e9ratives.<\/p>\n
Les chercheurs de KAIST, Korea University et Hugging Face ont pr\u00e9sent\u00e9 une nouvelle m\u00e9thode nomm\u00e9e \u00ab\u00a0Maximizing Alignment Preference Optimization\u00a0\u00bb (MaPO). Cette m\u00e9thode int\u00e8gre directement les donn\u00e9es de pr\u00e9f\u00e9rence dans le processus de formation. MaPO am\u00e9liore les mod\u00e8les de diffusion en incorporant un ensemble de pr\u00e9f\u00e9rences humaines pendant l’entra\u00eenement. Cela inclut la s\u00e9curit\u00e9 et les choix stylistiques. Une fonction de perte unique priorise les r\u00e9sultats pr\u00e9f\u00e9r\u00e9s tout en p\u00e9nalisant les moins d\u00e9sirables, garantissant des sorties qui correspondent aux attentes humaines.<\/p>\n
MaPO a \u00e9t\u00e9 \u00e9valu\u00e9 sur plusieurs benchmarks, d\u00e9montrant une meilleure alignement avec les pr\u00e9f\u00e9rences humaines et une efficacit\u00e9 accrue. Sur le benchmark d’esth\u00e9tique, MaPO a obtenu une note de 6,17 et a r\u00e9duit le temps d’entra\u00eenement de 14,5%. Il a surpass\u00e9 les m\u00e9thodes existantes comme Stable Diffusion XL, prouvant son efficacit\u00e9 \u00e0 g\u00e9n\u00e9rer des r\u00e9sultats pr\u00e9f\u00e9r\u00e9s de mani\u00e8re coh\u00e9rente.<\/p>\n
En somme, MaPO repr\u00e9sente une avanc\u00e9e significative dans l’alignement des mod\u00e8les g\u00e9n\u00e9ratifs avec les pr\u00e9f\u00e9rences humaines. En int\u00e9grant directement les donn\u00e9es de pr\u00e9f\u00e9rence dans le processus de formation, cette m\u00e9thode am\u00e9liore la s\u00e9curit\u00e9 et l’utilit\u00e9 des sorties des mod\u00e8les. Elle ouvre de nouvelles avenues pour une optimisation plus personnalis\u00e9e et s\u00fbre des mod\u00e8les g\u00e9n\u00e9ratifs, \u00e9tablissant un nouveau standard pour les d\u00e9veloppements futurs dans ce domaine.<\/p>\n","protected":false},"excerpt":{"rendered":"
Les progr\u00e8s dans le machine learning, en particulier dans les mod\u00e8les g\u00e9n\u00e9ratifs comme les mod\u00e8les de diffusion, sont remarquables. Ces mod\u00e8les, capables de g\u00e9rer des donn\u00e9es haute dimension telles que les images et les sons, trouvent des applications vari\u00e9es allant de la cr\u00e9ation artistique \u00e0 l’imagerie m\u00e9dicale. L’objectif principal a \u00e9t\u00e9 d’am\u00e9liorer ces mod\u00e8les pour […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-167","post","type-post","status-publish","format-standard","hentry","category-uncategorized"],"yoast_head":"\n