For transparency, I speak from the perspective of someone who has written code. I’ve written automated checks in VB and C#, and created small scripts in other languages to help me do bits and pieces. However, I don’t write code on a daily basis and I am by no means proficient in any particular programming language. It can feel quite hard to admit that when I see what everyone else is doing, and at times I’ve wondered if I could be much better at my job if I sat down and invested the time in becoming more skilled at it.

When I became a tester I had some experience in using the Command line, and writing SQL queries. I came from a tech support background, but hadn’t really been exposed to writing code. I’ve spent most of my testing career to date exploring, investigating, learning and discovering without coding. Though I fully realise that exploratory testing and programming are not mutually exclusive. In my current role it’s becoming more and more necessary for me to understand and write code, so I’m learning as I go along and getting assistance from others.  

Thanks

More Details

3D Walkthrough Production

1. Taille et Complexité: Ces modèles sont "grands" tant en termes de la quantité de données sur lesquelles ils sont entraînés, que de la complexité de leur architecture. Ils comprennent souvent des milliards de paramètres, ce qui leur permet de capturer une vaste gamme de nuances linguistiques.

2. Entraînement sur de Grands Corpus de Texte: Les LLM sont entraînés sur d'énormes ensembles de données textuelles qui comprennent des livres, des articles, des sites web et d'autres formes de texte. Cela leur permet d'apprendre une grande variété de styles d'écriture, de jargons, de contextes culturels et de sujets.

3. Capacités Linguistiques Avancées: Grâce à leur entraînement, ces modèles peuvent générer du texte, répondre à des questions, résumer des informations, traduire des langues et accomplir d'autres tâches liées au langage de manière très convaincante et souvent indiscernable de celle d'un humain.

4. Applications Diverses: Les LLM trouvent des applications dans de nombreux domaines, tels que la rédaction assistée par IA, les chatbots, la traduction automatique, l'analyse de sentiment, etc.

5. Défis et Limitations: Malgré leur puissance, les LLM présentent des défis tels que le potentiel de biais intégré, les erreurs dues à des informations obsolètes ou incorrectes dans les données d'entraînement, et des questions éthiques liées à l'utilisation et à l'abus potentiels de la technologie.

En résumé, un "grand modèle linguistique" est un outil puissant d'intelligence artificielle qui a révolutionné la façon dont les machines comprennent et génèrent le langage humain, offrant des possibilités impressionnantes tout en présentant des défis uniques.